mcpField
L
ln-312-review-findings-worker

ln-312-review-findings-worker

github.com/levnikolaevich测试与质量584106 次安装2 天前更新
代码仓库

关于 ln-312-review-findings-worker

ln-312-review-findings-worker 是将目标文档或差异内容转化为规范化评审发现的技能，适用于 Story 和计划评审。它依据评审模式检查指定标准；Story 模式还计算扣分并生成修复计划。

主要功能

  1. 01分析目标文档或差异
  2. 02Story 模式审计 30 项标准
  3. 03计划评审检查指定 4 项标准
  4. 04按严重程度计算扣分
  5. 05规范化发现并生成修复计划

适用场景

  1. 01审查 Story 与任务是否符合审计标准
  2. 02评估计划中的标准、版本与方案选择
  3. 03为 Story 违规项计算扣分
  4. 04将审查结果整理为结构化发现

MCP 相关

本技能说明未提及 MCP。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/levnikolaevich/claude-code-skills --skill ln-312-review-findings-worker

安装后在 Claude Code 中输入/ln-312-review-findings-worker确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
cross_reference_validation.md
epistemic_protocol.md
evaluation_summary_contract.md
evaluation_worker_runtime_contract.md
penalty_points.md
phase2_research_audit.md
plan_review_pipeline.md
premortem_validation.md
research_methodology.md

详细介绍

路径： 文件路径（references/、../ln-*）相对于此技能目录。

类型： L3 Worker 类别： 3XX 规划

Review Findings Worker

必须阅读

必须阅读： 加载 references/evaluation_worker_runtime_contract.md、references/evaluation_summary_contract.md 必须阅读： 加载 ../ln-310-multi-agent-validator/references/phase2_research_audit.md、../ln-310-multi-agent-validator/references/penalty_points.md 必须阅读： 加载 ../ln-310-multi-agent-validator/references/premortem_validation.md、../ln-310-multi-agent-validator/references/cross_reference_validation.md

目的

  • 分析目标制品或差异
  • 将证据转换为规范化的发现
  • 对于 mode=story：根据 phase2_research_audit.md，针对 30 项标准计算惩罚分
  • 对于 mode=plan_review：仅评估标准 #5、#6、#21、#28（不累积惩罚分）
  • 避免仅输出叙述性审查结果

模式门控

  • mode=story：完整流程——预先验尸、交叉引用、针对 30 项标准计算惩罚分、制定修复计划
  • mode=plan_review：适用性检查、技术栈检测、仅评估标准 #5（标准）、#6（库版本）、#21（替代方案）、#28（库功能），规范化发现但不累积惩罚分

运行时

运行时系列：

  • evaluation-worker-runtime

必需的清单字段：

  • identifier
  • phase_order
  • summary_kind=review-findings
  • operation=findings

建议的 phase_order：

  1. PHASE_0_CONFIG
  2. PHASE_1_LOAD_TARGET
  3. PHASE_2_PREMORTEM（mode=story，复杂度 >= Medium）
  4. PHASE_3_CROSS_REFERENCE（mode=story，多 Story Epic）
  5. PHASE_4_CRITERIA_AUDIT
  6. PHASE_5_PENALTY_CALCULATION（仅限 mode=story）
  7. PHASE_6_NORMALIZE_FINDINGS
  8. PHASE_7_WRITE_SUMMARY
  9. PHASE_8_SELF_CHECK

工作流

阶段 0：配置

加载运行时清单、目标标识符，以及任何关联的研究制品路径。

阶段 1：加载目标

仅加载审查范围所需的目标制品。

阶段 2：预先验尸（mode=story）

根据 premortem_validation.md 执行预先验尸分析：

  1. 对琐碎的 Story 跳过（1-2 个任务、无外部依赖、技术已知）。
  2. 对复杂度 >= Medium 的 Story 执行（3 个或更多任务、存在外部依赖或技术不熟悉）。
  3. Tigers（有证据支持的风险）计入风险标准 #20——在计算惩罚分之前添加到风险表。
  4. Elephants（未明说的假设）计入假设标准 #24——添加 [pre-mortem] 标签，Confidence=LOW。
  5. Paper Tigers（没有证据的担忧）——记录并驳回。
  6. 在审计报告中包含预先验尸表。
阶段 3：交叉引用（mode=story）

根据 cross_reference_validation.md 执行交叉引用分析：

  1. 如果 Epic 只有 1 个 Story，或所有同级项均为 Done/Canceled，则跳过。
  2. 通过 list_issues(project=Epic.id) 加载同级 Story。
  3. 检查 AC 重叠（#25）：优先使用结构化可追溯性，其次使用关键词回退（仅供参考）。
  4. 检查任务重复（#26）：优先使用结构化匹配。
  5. 在审计报告中包含交叉引用发现。
阶段 4：标准审计
  1. mode=story：根据 phase2_research_audit.md 的 Auto-Fix Actions Reference，针对 Story/Tasks 评估全部 30 项标准。
  2. mode=plan_review：仅评估标准 #5、#6、#21、#28（标准 + 解决方案组）。
  3. 如有提供研究证据，则对照证据交叉核验相关声明。
阶段 5：惩罚分计算（mode=story）
  1. 根据 phase2_research_audit.md 中的严重级别，为每项违规分配惩罚分（CRITICAL=10、HIGH=5、MEDIUM=3、LOW=1）。
  2. 根据 penalty_points.md 的 Calculation Rules 应用多项违规规则。
  3. 计算惩罚分总计。
  4. 为每项违规制定修复计划。
  5. 按照 penalty_points.md 的 Report Format 格式化惩罚审计表。
阶段 6：规范化发现

每项发现优先使用如下结构化字段：

  • id
  • severity
  • category
  • subject
  • evidence
  • recommendation
第 7 阶段：撰写摘要

输出 summary_kind=review-findings。

载荷必须包含：

  • worker=ln-312
  • status
  • operation=findings
  • warnings

如果有以下字段，优先使用：

  • findings
  • metrics.penalty_total（mode=story）
  • metrics.criteria_violated（标准编号列表）
  • metrics.fix_plan（包含 {criterion, action, severity} 的数组）
  • metrics.premortem_summary（执行时）
  • metrics.cross_reference_summary（执行时）
第 8 阶段：自检
  1. 删除重复项。
  2. 删除缺乏依据的说法。
  3. 确认罚分计算符合 penalty_points.md 中的规则（mode=story）。
  4. 仅在写入摘要后记录 pass=true。

完成定义

  • 已加载目标制品
  • 已执行预演，或已说明跳过理由（mode=story）
  • 已执行交叉引用，或已说明跳过理由（mode=story）
  • 已完成标准审计（story 为 30 项；其他情况为 #5/#6/#21/#28）
  • 已计算罚分并制定修复计划（mode=story）
  • 已规范化调查结果
  • 已删除缺乏依据的说法
  • 已撰写 review-findings 摘要
  • 已通过自检

版本： 1.0.0 最后更新： 2026-04-10

评论

支持 Markdown