SuperAPI AI 工具集

ln-005-multi-agent-context-review

智能体与模型

查看项目

更新于 10-16 09:21

技能介绍

用途

多智能体上下文审查(Multi-Agent Context Review)是一个通用独立工具,位于技能库的 0XX 类别(与 ln-003、ln-004 同类)。它的核心用途是把任意上下文——计划、决策、文档、架构提案等——委托给外部智能体进行独立审查,然后对返回的建议做批判性验证,最终给出经过筛选的改进意见。该技能不绑定 Linear,也不绑定任何流水线,可被用户手动调用,也可被其他需要外部第二意见的技能调用。

主要能力

  • 并行委托:将上下文同时交给 codex-review 与 gemini-review 两个外部智能体作为后台任务运行。
  • 文件传递:上下文始终通过文件引用传递,绝不在提示词中内联。若上下文来自聊天或对话,会先写入 .agent-review/context/{identifier}_context.md 再传递路径。
  • 即时处理:按结果到达顺序处理,先完成的智能体先被处理。
  • 批判性验证与辩论:对每条建议进行验证;若 Claude 不同意,会与智能体进行辩论。
  • 结果聚合:返回经过筛选、去重、验证后的建议。
  • MCP Ref 研究增强:在智能体后台运行期间,前台执行审查记忆加载、适用性检查、技术栈检测、主题提取与 MCP Ref 研究,用官方标准/RFC 来佐证或反驳智能体建议。
  • 计划模式支持:遵循 plan_mode_pattern.md(Workflow B)与 agent_review_workflow.md 的计划模式行为;第 7e 步(比较与修正)将发现输出到聊天,仅在用户批准后应用编辑。

使用方式

参数:

  • review_type:contextreview
  • skill_group:005
  • prompt_template:shared/agents/prompt_templates/context_review.md
  • verdict_acceptable:CONTEXT_ACCEPTABLE

输入:

  • context_files(必填):待审查上下文的文件路径列表(相对于 CWD)。
  • identifier(可选):用于文件命名的短标签,默认 review_YYYYMMDD_HHMMSS。
  • focus(可选):关注领域列表,默认全部 6 个。
  • review_title(可选):人类可读标题,默认 "Context Review"。
  • tech_stack(可选):技术栈覆盖(如 "Python FastAPI"、"C# ASP.NET Core"),未提供时自动检测。

工作流要点:

  1. 强制读取共享工作流与委托模式文档。
  2. 健康检查(按 skill_group = 005 过滤)。
  3. 解析 identifier,必要时生成并清洗为小写、空格转连字符、仅 ASCII。
  4. 确保 .agent-review/ 目录存在,并额外创建 .agent-review/context/ 子目录。
  5. 物化上下文(若来自聊天则写入文件)。
  6. 构建提示词:读取模板,替换 {review_title}、{context_refs}、{focus_areas},保存到 .agent-review/{identifier}_contextreview_prompt.md(两个智能体共用同一提示词文件)。
  7. 后台启动两个智能体(强制,先于任何前台研究)。
  8. 前台研究:加载审查记忆、适用性检查、技术栈检测、提取 3-5 个主题、MCP Ref 研究、比较与修正、保存发现。
  9. 批判性验证与辩论(结合 MCP Ref 发现)。
  10. 聚合与返回,合并智能体建议与 MCP Ref 修正。
  11. 保存审查摘要(计划模式下输出到聊天,跳过文件保存)。

适用性检查会扫描上下文文件中的技术决策信号(基础设施选择权重 5、API/协议决策权重 4、安全机制权重 4、库/框架选择权重 3、架构模式权重 3、配置/工具权重 1)。无信号则跳过 MCP Ref 研究;权重 >= 3 的主题少于 3 个也跳过。

技术栈检测优先级:tech_stack 参数 → docs/tools_config.md 的 Research 部分 → 通过指示文件 Glob(如 .csproj/.sln 对应 .NET,package.json + tsconfig.json 对应 Node.js,requirements.txt/pyproject.toml 对应 Python,go.mod 对应 Go,Cargo.toml 对应 Rust,build.gradle/pom.xml 对应 Java)→ 解析上下文文件中的技术提及。

MCP Ref 研究按 research_tool_fallback.md 链:Ref → Context7 → WebSearch → 内置知识。查询格式为 "{query_prefix} {topic} RFC standard best practices {current_year}"。

比较与修正的安全规则:每次运行最多 5 处修正;每处修正必须引用具体 RFC/标准/文档;仅当官方文档直接与计划陈述矛盾时才修正。

输出格式

输出包含 verdict(CONTEXT_ACCEPTABLE | SUGGESTIONS | SKIPPED)、可选的 mcp_ref_corrections(含 count、topics_validated、corrections 列表、findings_file)、suggestions 列表(含 area、issue、suggestion、confidence、impact_percent、source、resolution)。mcp_ref_corrections 仅在 MCP Ref 研究运行时出现。另含智能体统计与辩论日志。

适用场景

  • 用户手动调用,对任意工件进行独立审查。
  • 任何需要外部第二意见的技能,对计划、决策、文档进行审查。
  • 任何可保存为文件的上下文。

限制

  • 无裁决升级:建议仅供参考,调用方决定如何应用被接受的建议。
  • 上下文必须通过文件传递,不能内联在提示词中。
  • MCP Ref 研究在无技术决策信号或高权重主题不足时跳过。
  • 修正数量上限为每次运行 5 处。
  • 计划模式下不写文件,改为输出到聊天。

版本:1.1.0;最后更新:2026-03-06。