LLMBase

Agent skill

audit

Quellcode ansehen: miles990/multi-agent-workflow

#116Globales Ranking · von 116 SkillsCritical

Installation

npx skills add miles990/multi-agent-workflow --skill audit

1

Installationen

EU-hosted inference API

Power your AI agent skills with open-source models.

Drop-in OpenAI-compatible API. No data leaves Europe.

Explore Inference API

MiniMax

MiniMax M3

$0.50 / $1.90

per M tokens

Z.ai

GLM 5.3 Flash

$0.20 / $0.60

per M tokens

MoonshotAI

Kimi K3

$4.00 / $18.00

per M tokens

DeepSeek

DeepSeek V4.1 Flash

$0.40 / $1.42

per M tokens

Audit v1.0.0

跨子系統架構一致性審查 -- 多視角並行分析架構健康度，識別不一致和技術債務

用途

對 codebase 進行全面的架構健康度審查，識別：

  • 依賴方向違反（下層依賴上層）
  • 命名不一致
  • 錯誤處理模式不統一
  • 橫切關注點缺失（logging、metrics、error handling）
  • 代碼重複與 DRY 違反
  • 測試覆蓋率缺口

使用方式

/audit [目標路徑或模組]
/audit src/api/              # 審查 API 模組
/audit src/                  # 審查 src 整體
/audit --full                # 全面審查（整個 codebase）

Flags: --full | --focus deps|patterns|tests|docs | --quick | --deep

預設 4 視角

ID 名稱 模型 聚焦
dependency-auditor 依賴分析師 sonnet import/require 掃描、循環依賴、方向違反
pattern-checker 模式一致性檢查員 haiku 錯誤處理、命名慣例、API 介面風格
coverage-auditor 測試覆蓋分析師 haiku 缺少測試的模組、測試品質、mock 濫用
doc-sync-checker 文檔同步檢查員 haiku 代碼與文檔比對、過時文檔、API 文檔完整性

-> 模型路由配置：shared/config/model-routing.yaml

執行流程

Phase 0: 收集目標 -> 確定審查範圍、掃描目標路徑
    |
Phase 1: MAP（並行審查）
    +-------------+----------------+----------------+----------------+
    | 依賴分析師  | 模式一致性     | 測試覆蓋       | 文檔同步       |
    | (sonnet)    | 檢查員 (haiku) | 分析師 (haiku) | 檢查員 (haiku) |
    +-------------+----------------+----------------+----------------+

    ** 並行執行關鍵 **：
       在單一訊息中發送 4 個 Task 工具呼叫：
       - Task({description: "依賴方向審查", ...})
       - Task({description: "模式一致性檢查", ...})
       - Task({description: "測試覆蓋分析", ...})
       - Task({description: "文檔同步檢查", ...})

    ** 強制 **：每個 Agent 完成前必須執行：
       1. mkdir -p .claude/memory/audit/{audit-id}/perspectives/
       2. Write -> .claude/memory/audit/{audit-id}/perspectives/{perspective_id}.md
       未執行 Write = 任務失敗
    |
Phase 2: REDUCE（問題匯總）
    +-- 問題分類（CRITICAL/HIGH/MEDIUM/LOW）
    +-- 按嚴重度排序
    +-- 修復建議
    |
Phase 3: 產出審查報告

問題分類

級別 定義 處理
CRITICAL 架構缺陷，可能導致系統故障 立即修復
HIGH 一致性違反，影響可維護性 限時修復
MEDIUM 建議改善，提升品質 記錄追蹤
LOW 風格建議或小改進 可選

輸出結構

.claude/memory/audit/{audit-id}/
+-- meta.yaml               # 元數據（審查範圍、時間、配置）
+-- perspectives/            # 完整視角報告（MAP 產出）
|   +-- dependency-auditor.md
|   +-- pattern-checker.md
|   +-- coverage-auditor.md
|   +-- doc-sync-checker.md
+-- issues.yaml              # 問題清單（按嚴重度排序）
+-- audit-summary.md         # 審查摘要 + 建議（主輸出）

perspectives/ 保存各視角的完整分析報告，issues.yaml 匯總所有問題。

Agent 能力限制

審查 Agent 不應該開啟 Task：

允許的操作 說明
Read 讀取程式碼和配置
Glob/Grep 搜尋檔案和內容模式
Bash 執行分析命令（如 dependency graph）
Write 寫入審查報告
Task 不允許開子 Agent

視角 Prompt 指引

視角 1: 依賴分析師 (dependency-auditor)

目標：掃描 import/require 語句，繪製依賴關係，識別問題。

檢查項目：

  1. 掃描所有 import/require/from...import 語句
  2. 識別模組間依賴方向（上層不應依賴下層的具體實現）
  3. 檢測循環依賴
  4. 識別過度耦合的模組（依賴數超過閾值）
  5. 檢查是否有跨層依賴違反

輸出格式：

  • 依賴圖摘要（文字描述）
  • 問題列表（含檔案路徑、行號、嚴重度）
  • 建議的重構方向

視角 2: 模式一致性檢查員 (pattern-checker)

目標：檢查 codebase 中的模式一致性。

檢查項目：

  1. 錯誤處理模式（統一 try-catch 風格、自定義錯誤類型使用）
  2. 命名慣例（變數、函數、類別、檔案命名）
  3. API 介面風格（REST 路由命名、請求/回應格式）
  4. 日誌記錄模式（logger 使用一致性）
  5. 配置存取模式（環境變數 vs 配置檔案）

輸出格式：

  • 每種模式的一致性評分
  • 不一致的具體案例（含檔案路徑、行號）
  • 建議的統一標準

視角 3: 測試覆蓋分析師 (coverage-auditor)

目標：找出測試覆蓋缺口，評估測試品質。

檢查項目：

  1. 找出沒有對應測試的模組
  2. 評估現有測試的品質（是否只測試 happy path）
  3. 識別 mock/stub 濫用（過度 mock 導致測試失去意義）
  4. 檢查邊界條件測試覆蓋
  5. 評估整合測試 vs 單元測試比例

輸出格式：

  • 未覆蓋模組列表
  • 測試品質評估
  • 建議新增的測試案例

視角 4: 文檔同步檢查員 (doc-sync-checker)

目標：確保文檔與代碼同步。

檢查項目：

  1. 比對 README/CLAUDE.md 中描述的功能與實際代碼
  2. 檢查 API 文檔與實際 endpoint 是否一致
  3. 識別過時的文檔（提到已刪除的模組/函數）
  4. 檢查配置文檔完整性（所有環境變數是否有文檔）
  5. 確認命令文檔與實際可用命令一致

輸出格式：

  • 文檔 vs 代碼差異清單
  • 過時文檔列表
  • 缺失文檔建議

CP4: Task Commit

審查完成後執行 Task Commit：

Phase 3: 審查報告產出
    |
CP4: Task Commit
    +-- git add .claude/memory/audit/{audit-id}/
    +-- git commit -m "docs(audit): complete architecture audit for {target}"

-> 協議：shared/git/commit-protocol.md

共用模組

模組 用途
coordination/map-phase.md 並行協調
coordination/reduce-phase.md 匯總整合
perspectives/catalog.yaml 視角定義

工作流位置

RESEARCH -> PLAN -> TASKS -> IMPLEMENT -> REVIEW -> VERIFY
                                                        |
                                              AUDIT <---+
                                         (獨立工具，隨時可用)
  • 輸入：目標路徑或模組名稱
  • 輸出：架構審查報告，可供 PLAN 或 IMPLEMENT 參考
  • 定位：獨立的架構健康檢查工具，不屬於固定工作流階段，隨時可執行

Verwandte Skills

Mehr aus dieser Quelle: miles990/multi-agent-workflow

review

miles990/multi-agent-workflow

2 installs

verify

miles990/multi-agent-workflow

1 installs

tasks

miles990/multi-agent-workflow

1 installs

status

miles990/multi-agent-workflow

1 installs

setup-workflow

miles990/multi-agent-workflow

1 installs

research

miles990/multi-agent-workflow

1 installs

Browse all skills →

So verwenden Sie diesen Skill

  1. 1

    Install audit by running npx skills add miles990/multi-agent-workflow --skill audit in your project directory. Führen Sie den obigen Installationsbefehl in Ihrem Projektverzeichnis aus. Die Skill-Datei wird von GitHub heruntergeladen und in Ihrem Projekt platziert.

  2. 2

    Keine Konfiguration erforderlich. Ihr KI-Agent (Claude Code, Cursor, Windsurf usw.) erkennt installierte Skills automatisch und nutzt sie als Kontext bei der Code-Generierung.

  3. 3

    Der Skill verbessert das Verständnis Ihres Agenten für audit, und hilft ihm, etablierte Muster zu befolgen, häufige Fehler zu vermeiden und produktionsreifen Code zu erzeugen.

Was Sie erhalten

Skills sind Klartext-Anweisungsdateien — kein ausführbarer Code. Sie kodieren Expertenwissen über Frameworks, Sprachen oder Tools, das Ihr KI-Agent liest, um seine Ausgabe zu verbessern. Das bedeutet null Laufzeit-Overhead, keine Abhängigkeitskonflikte und volle Transparenz: Sie können jede Anweisung vor der Installation lesen und prüfen.

Kompatibilität

Dieser Skill funktioniert mit jedem KI-Coding-Agenten, der das skills.sh-Format unterstützt, einschließlich Claude Code (Anthropic), Cursor, Windsurf, Cline, Aider und anderen Tools, die projektbezogene Kontextdateien lesen. Skills sind auf Transportebene framework-agnostisch — der Inhalt bestimmt, für welche Sprache oder welches Framework er gilt.

Data sourced from the skills.sh registry and GitHub. Install counts and security audits are updated regularly.