code-review

Effectuer une revue de code structurée des modifications, en vérifiant l'exactitude, le style, les tests et les problèmes potentiels.

npx skills add https://github.com/langchain-ai/deepagents --skill code-review

Code Review Skill

Use this skill after implementing changes to validate your work before delivering.

Review Checklist

1. Correctness

  • Changes solve the original issue/task
  • No unintended side effects on existing functionality
  • Edge cases are handled
  • Error handling is appropriate (not excessive)

2. Code Quality

  • Code matches existing style and patterns
  • No unnecessary complexity or abstraction
  • Variable and function names are clear
  • No dead code, commented-out code, or TODOs left behind

3. Tests

  • New functionality has test coverage
  • Existing tests still pass
  • Tests cover both happy path and error cases
  • Tests are not brittle (don't test implementation details)

4. Safety

  • No hardcoded secrets or credentials
  • User input is validated at boundaries
  • No SQL injection, XSS, or command injection vectors
  • File operations use safe paths

Process

  1. Read each modified file end-to-end (not just the diff)
  2. Run the test suite: execute("python -m pytest -v")
  3. Run linters if available: execute("ruff check .")
  4. Run the bundled lint check: execute("python /skills/code-review/lint_check.py .")
  5. Check against each item in the review checklist
  6. If any issues found, fix them and re-review
  7. When everything passes, the review is complete

Helper Scripts

  • /skills/code-review/lint_check.py — Scans Python files for missing docstrings, long functions (>50 lines), and bare except: clauses. Run it via execute("python /skills/code-review/lint_check.py [path ...]").

Plus de skills de langchain-ai

deepagents-thread-inspector
langchain-ai
Inspecter et expliquer les conversations dans le stockage de sessions SQLite local de Deep Agents Code. À utiliser comme solution de repli lorsque l'outillage de traçage LangSmith est indisponible, pour…
deepagents-python-quickstart
langchain-ai
Créez un agent Deep minimal en local en Python en suivant le guide de démarrage rapide officiel, en utilisant la recherche web native du fournisseur au lieu de Tavily. Utilisez lorsque l’utilisateur souhaite…
deepagents-typescript-quickstart
langchain-ai
Scaffold a minimal local Deep Agent in TypeScript by following the official quickstart, using provider-native web search instead of Tavily. Use when the user…
eval-engineering
langchain-ai
Inspectez itérativement un dépôt d'agent et d'éventuelles traces fournies par l'utilisateur, interviewez l'utilisateur, puis créez, exécutez et auditez les evals Harbor un à la fois. À utiliser pour…
LangChain RAG Pipeline
langchain-ai
INVOQUEZ CETTE COMPÉTENCE lors de la construction de tout système de génération augmentée par récupération (RAG). Couvre les chargeurs de documents, RecursiveCharacterTextSplitter, les embeddings (OpenAI),…
LangChain Structured Output & HITL
langchain-ai
langchain-structured-output-&-hitl — une compétence installable pour agents IA, publiée par langchain-ai/langchain-skills.
LangSmith Datasets
langchain-ai
INVOQUEZ CETTE COMPÉTENCE lors de la création de jeux de données d'évaluation à partir de traces OU du téléchargement de jeux de données vers LangSmith OU de l'interrogation de jeux de données. Couvre les types de jeux de données (final_response,…)
langsmith-evaluator
langchain-ai
INVOQUEZ CETTE COMPÉTENCE lors de la construction de pipelines d'évaluation pour LangSmith. Couvre trois composants principaux : (1) Création d'évaluateurs - LLM comme juge, code personnalisé ; (2)…