code-review

Выполнить структурированное ревью кода изменений, проверяя корректность, стиль, тесты и потенциальные проблемы.

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 ...]").

Больше skills от langchain-ai

deepagents-thread-inspector
langchain-ai
Проверяйте и поясняйте беседы в локальном хранилище сессий SQLite Deep Agents Code. Используйте как запасной вариант, когда инструменты трассировки LangSmith недоступны, для…
deepagents-python-quickstart
langchain-ai
Создайте минимального локального Deep Agent на Python, следуя официальному краткому руководству, используя встроенный веб-поиск провайдера вместо Tavily. Используйте, когда пользователь хочет…
deepagents-typescript-quickstart
langchain-ai
Создайте минимального локального Deep Agent на TypeScript, следуя официальному краткому руководству, используя встроенный веб-поиск провайдера вместо Tavily. Используйте, когда пользователь…
eval-engineering
langchain-ai
Итеративно изучайте репозиторий агента и предоставленные пользователем трассировки, опрашивайте пользователя и создавайте, запускайте и проверяйте eval'ы Harbor по одному. Используйте для...
LangChain RAG Pipeline
langchain-ai
ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при создании ЛЮБОЙ системы генерации с дополненной выборкой (RAG). Охватывает загрузчики документов, RecursiveCharacterTextSplitter, эмбеддинги (OpenAI),…
LangChain Structured Output & HITL
langchain-ai
langchain-structured-output-&-hitl — устанавливаемый навык для
LangSmith Datasets
langchain-ai
ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при создании оценочных наборов данных из трассировки или загрузке наборов данных в LangSmith, или запросе наборов данных. Охватывает типы наборов данных (final_response,…
langsmith-evaluator
langchain-ai
ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при построении пайплайнов оценки для LangSmith. Охватывает три основных компонента: (1) Создание оценщиков — LLM-как-судья, пользовательский код; (2)…