mcpField
M
multi-model-code-review

multi-model-code-review

github.com/cosmastechテスト・品質543 回インストール4 週間前に更新
リポジトリ

multi-model-code-review について

multi-model-code-review は、人によるレビューの前に複数の AI モデルで変更を確認するワークフローのスキルです。独立した意見を並行して集め、統合して修正に反映し、必要に応じて再レビューします。

主な機能

  1. 01ブランチごとのレビュー文脈の準備
  2. 02複数モデルによる並行レビュー
  3. 03フィードバックの分類と統合
  4. 04指摘に基づく修正
  5. 05必要に応じた再レビュー

活用シーン

  1. 01人によるレビュー前の変更確認
  2. 02異なるモデルの指摘の比較
  3. 03レビュー結果に基づく修正の反復

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/cosmastech/skills --skill multi-model-code-review

インストール後、Claude Code で/multi-model-code-reviewを入力して読み込まれたか確認します。

同梱ファイルassets/code-review-prompt-template.md

詳細

マルチモデルコードレビュー

コード変更を複数の AI モデルにレビューさせ、人によるレビューの前に問題を見つけます。各モデルが個別にレビューし、フィードバックを統合して修正を加え、コードの品質が十分になるまでこのサイクルを繰り返します。

前提条件

エージェント機能を備えた CLI が少なくとも 1 つインストールされ、認証されている必要があります。

CLI確認コマンドプリントモードのフラグ
Cursor Agentagent --versionagent --model <model> --print "<prompt>"
Claude Codeclaude --versionclaude --model <model> -p "<prompt>"
OpenAI Codexcodex --versioncodex --model <model> -q "<prompt>"

Cursor の agent がインストールされている場合は、CLI ユーティリティを混在させず、モデルを指定して常にこちらを優先してください。

ワークフロー

1. レビューのコンテキストを準備する

異なるレビューの成果物が混在しないよう、ブランチごとに作業ディレクトリを作成します。

BRANCH=$(git rev-parse --abbrev-ref HEAD)
REVIEW_DIR="/tmp/code-review-${BRANCH}"
mkdir -p "$REVIEW_DIR"

差分と、レビュアーに必要な関連コンテキストを収集します。assets/code-review-prompt-template.md のテンプレートを使って、$REVIEW_DIR/ に書き込みます。

git diff <parent-branch>...HEAD > "$REVIEW_DIR/diff.txt"

$REVIEW_DIR/review.md にレビュー用プロンプトを作成します。次の内容を含めてください。

  • 背景 — 作業の発端（チケットへのリンク、ユーザーとの会話、インシデント、仕様書／RFC など）。これにより、レビュアーが「なぜ」を理解できます。
  • 変更内容と理由 — 目的の簡潔な要約。
  • 差分 — 実際のコード変更。
  • 主要なファイル — 新規ファイルまたは大幅に変更したファイルの全内容（新しいクラスでは、差分だけではコンテキストが不足する場合があります）。
  • 関連する規約 — レビュアーが確認すべき、プロジェクト固有のパターン（命名規則、ログ記録、テストの規約など）。
2. 複数のモデルに並行して送信する

両方のレビュー依頼を 1 つのメッセージで送信し、並行して実行します。ユーザーが希望する CLI とモデルを使用してください。ユーザーから指定がない場合は、異なる 2 つのプロバイダーから、思考能力の高い最新モデルを使用してください。

利用可能なモデルを決めつけないでください。必ず先に CLI ツールで確認してください。

例：

各モデルの出力を $REVIEW_DIR/ に保存し、結果を生成元のプロンプトとともに保持します。

# Cursor Agent
agent --model gpt-5.5-extra-high --print "$(cat "$REVIEW_DIR/review.md")" 2>&1 | tee "$REVIEW_DIR/response-gpt.md"
agent --model claude-opus-4-7-thinking-xhigh --print "$(cat "$REVIEW_DIR/review.md")" 2>&1 | tee "$REVIEW_DIR/response-opus.md"

# Claude Code
claude --model claude-sonnet-4-20250514 -p "$(cat "$REVIEW_DIR/review.md")" 2>&1 | tee "$REVIEW_DIR/response-sonnet.md"

# OpenAI Codex
codex --model o3 -q "$(cat "$REVIEW_DIR/review.md")" 2>&1 | tee "$REVIEW_DIR/response-o3.md"
3. フィードバックを統合する

両方の応答が返ってきたら、次の作業を行います。

  1. 各フィードバックを重大、推奨、軽微に分類します。
  2. 一致点を特定します。これらは確度の高い問題です。
  3. 意見の相違を特定し、実際のコードベースを確認して、どちらのモデルが正しいかを判断します。
  4. 誤ったフィードバックには反論します（以下のガイドラインを参照）。
  5. 統合した内容をユーザーに要約します。
4. 修正を実装する

重大および推奨のフィードバックに対応します。修正ごとに、次の作業を行います。

  • 変更を加えます。
  • どのレビュアーのフィードバックに基づく修正かを記録します。
5. 必要に応じて再レビューする

更新したコードを再度レビューに送信します。 軽微な修正（誤字やコメントの調整など）では、再レビューを省略します。

次の状態になるまで繰り返します。

  • 未解決の重大な問題が残っていない。
  • 両方のモデルが承認するか、軽微な変更を条件に承認している。
6. 人によるレビューに進む

AI レビュアーが問題ないと判断したら、ブランチをプッシュして MR／PR を作成します。 AI によるレビューは品質ゲートとして機能するものであり、人によるレビューの代わりではありません。

ガイドライン

  • 常に思考モデルを使用してください。 コードレビューでは、動作、エッジケース、処理の順序について深く推論する必要があります。思考機能のないモデル（例：gpt-4o、claude-sonnet）は決して使用しないでください。拡張思考に対応したモデル（例：gpt-5.3-codex-high、composer-2、claude-sonnet-4-thinking、o3）を使用してください。
  • 異なるプロバイダーを使用してください。 同じプロバイダーのモデルは、学習時のバイアスを共有しています。真に多様な視点を得るため、少なくとも2つの異なるプロバイダーを使用してください。
  • 事前のコンテキストなしでレビューを依頼してください。 レビュープロンプトに、自分の評価や意見を含めないでください。各モデルがコードだけを見て独立した判断を下せるようにしてください。
  • 誤ったフィードバックには異議を唱えてください。 合意は盲従を意味しません。レビュアーの提案がプロジェクトの慣例に反する場合、コードを誤読している場合、またはリグレッションを引き起こす場合は、根拠を示して反論してください。次のレビューラウンドに訂正内容を含め、モデルがそのコンテキストから学べるようにしてください。モデルが自信を持っているからといって、その判断が正しいとは限りません。
  • レビュアーがコードベースを確認できるようにしてください。 ワークスペースへのアクセスに対応したCLI（例：agentと--print）を使用する場合は、差分以外のファイルも確認できるよう、リポジトリのルートから実行してください。
  • 形式だけの承認はしないでください。 両方のモデルが「問題ありません」と言っても、自分で問題に気付いた場合は指摘してください。モデルはレビュアーであり、絶対的な権威ではありません。
  • 既存のテストカバレッジを維持してください。 レビュアーからテストの削除や弱体化を提案されても、明確な正当な理由（例：変更された実装の詳細をテストが検証していた場合）がない限り、拒否してください。

コメント

Markdown 対応