review-loop

Boucle de révision itérative utilisant n'importe quel agent de vérification sur n'importe quelle cible (plan, code, conception). Utilisez-la lorsque vous souhaitez exécuter un cycle de révision ciblé : générer un nouveau réviseur…

npx skills add https://github.com/microsoft/trieste --skill review-loop

Review Loop

Use this skill to run an iterative review cycle against any target using any lens agent.

Inputs

The user specifies:

  1. Lens — which lens/reviewer to use (e.g., adversarial-lens, security-lens, conservative-lens, speed-lens, usability-lens).
  2. Target — what to review (a plan, file(s), module, design document, diff, etc.).

If either is ambiguous, ask the user before proceeding.

Procedure

Step 1 — Gather Context

Read the target material and any surrounding context needed for a meaningful review. This includes:

  • The target itself (plan text, file contents, etc.)
  • Relevant WF specs, token definitions, and pass pipeline context
  • Relevant tests or prior review findings

Step 2 — Spawn Reviewer Subagent

Spawn a fresh subagent with the specified lens. Provide it:

  • The full target material (verbatim — do not summarize)
  • Sufficient surrounding context for the reviewer to assess the target meaningfully
  • Instructions to produce structured findings per the lens's Expected Output format
  • Instructions to explicitly state if the target is clean (no findings)

The subagent must be a fresh instance with no prior context from this conversation.

Step 3 — Present Results

Present the reviewer's findings to the user along with a proposed remediation plan:

  • List each finding with its severity/likelihood
  • For each finding, propose a specific remediation (code change, plan amendment, verification step, etc.)
  • If the reviewer found no issues, report that the target passed review cleanly

Step 4 — Apply Remediations

With the user's guidance:

  • Apply agreed-upon remediations (edit files, amend plans, add tests, etc.)
  • Skip or defer any remediations the user rejects
  • If the user modifies a remediation, apply their version

Step 5 — Loop or Exit

Ask the user whether to:

  • Loop — go back to Step 2 and run the review again on the updated target with a fresh subagent
  • Exit — the review cycle is complete

Guardrails

  • Every review iteration uses a fresh subagent — no context contamination between iterations.
  • Do not summarize or filter the target material before passing it to the reviewer. Provide it verbatim.
  • Do not apply remediations without user confirmation.
  • The loop exits only when the user says so, not when the reviewer returns clean. The user may want to run additional iterations even after a clean pass.

Plus de skills de microsoft

oss-growth
microsoft
Persona de growth hacker OSS
agent-framework-azure-ai-py
microsoft
Créez des agents Azure AI Foundry à l’aide du SDK Python Microsoft Agent Framework (agent-framework-azure-ai). À utiliser lors de la création d’agents persistants avec AzureAIAgentsProvider, de l’utilisation d’outils hébergés (interpréteur de code, recherche de fichiers, recherche web), de l’intégration de serveurs MCP, de la gestion de fils de conversation ou de l’implémentation de réponses en streaming. Couvre les outils de fonction, les sorties structurées et les agents multi-outils.
development
airunway-aks-setup
microsoft
Configurez AI Runway sur AKS — du cluster nu au modèle en cours d'exécution. Couvre la vérification du cluster, l'installation du contrôleur, l'évaluation GPU, la configuration du fournisseur et le premier déploiement. QUAND : « configurer AI Runway », « intégrer un cluster AKS », « installer AI Runway », « configuration airunway », « déployer un modèle sur AKS », « inférence GPU sur AKS », « configuration KAITO sur AKS », « exécuter LLM sur AKS », « vLLM sur AKS », « configurer le service de modèles sur AKS », « contrôleur AI Runway ».
devops
appinsights-instrumentation
microsoft
Conseils pour instrumenter les applications web avec Azure Application Insights. Fournit des modèles de télémétrie, la configuration du SDK et des références de configuration. QUAND : comment instrumenter une application, SDK App Insights, modèles de télémétrie, qu'est-ce qu'App Insights, conseils sur Application Insights, exemples d'instrumentation, bonnes pratiques APM.
devops
applicationinsights-web-ts
microsoft
Instrumentez les applications navigateur/web avec le SDK JavaScript Application Insights (@microsoft/applicationinsights-web). Utilisez-le pour la surveillance des utilisateurs réels (RUM) — vues de page, clics, dépendances AJAX/fetch, exceptions, événements personnalisés et traces d’agents GenAI côté navigateur corrélées aux traces OpenTelemetry backend. Couvre le script de chargement du SDK et la configuration npm, les extensions de framework (React, React Native, Angular), Click Analytics, les initialiseurs de télémétrie et les conventions sémantiques OTel GenAI pour les spans d’agents/outils/modèles émises depuis le navigateur.
devops
azure-ai-anomalydetector-java
microsoft
Créez des applications de détection d'anomalies avec le SDK Azure AI Anomaly Detector pour Java. Utilisez-le lors de l'implémentation de la détection d'anomalies univariées/multivariées, de l'analyse de séries temporelles ou de la surveillance basée sur l'IA.
development
azure-ai-language-conversations-py
microsoft
Implémentez la compréhension du langage conversationnel (CLU) à l’aide du SDK Python azure-ai-language-conversations. Utilisez-le lorsque vous travaillez avec ConversationAnalysisClient pour analyser l’intention et les entités d’une conversation, créer des fonctionnalités de NLP ou intégrer la compréhension du langage dans des applications.
development
azure-ai-ml-py
microsoft
SDK v2 d’Azure Machine Learning pour Python. Utiliser pour les espaces de travail ML, les tâches, les modèles, les jeux de données, le calcul et les pipelines. Déclencheurs : « azure-ai-ml », « MLClient », « espace de travail », « registre de modèles », « tâches d’entraînement », « jeux de données ».
development