用途：这是一套针对 LLM 集成代码的审查规则，由 dh:code-reviewer 在检测到提示词文件、模型选择逻辑或评测 harness 代码时加载。应用前需先阅读 Review principles，其中定义了权威性、适用性、证据与阻断标准；模型标识、请求参数和错误语义需对照目标实际使用的提供商与 SDK 版本核实。
主要能力：提示词卫生方面，要求区分指令权威与用户/检索内容，追踪不可信文本影响指令、工具参数或后续动作的路径，检查用户内容是否在边界处被当作数据处理，并注意指令混入、分隔符缺失或上下文丢失；不把每个 f-string 都报为注入缺陷。模型选择方面，按质量、成本、延迟和可复现性要求评估，检查选择理由、配置归属与回退行为，验证模型标识对目标 API 有效。上下文管理方面，追踪上下文增长与输入输出预算，检查截断、摘要或保留策略是否保住关键指令与状态，token 数须记录日志。Token 经济方面，批量或高频操作前估算 token，超限输入应快速失败而非静默截断。结构化输出方面，消费前先建立 schema 与语义约束，验证失败须可观测，区分流式分帧与最终校验。采样方面，检查模型支持的采样参数与取值，要求可重复性或变化性有证据。评测方面，用代表性回归证据验证提示词变更，数据集须与提示词一同版本化。安全方面，追踪指令内容控制权与下游工具权限，检查敏感数据披露与保留。重试方面，按提供商语义分类可重试失败，检查退避、抖动与重试放大，重试不得重复产生下游副作用，最大重试次数须有界。流式方面，检查部分响应、取消、完成标记与最终组装结果，连接中断须显式处理，超时/取消策略须有界。
使用方式与限制：资料未提供具体安装命令、调用方式或配置示例；文中代码片段仅为反模式与正确写法示意，需按目标 SDK 版本核实。