Gauntlet Skill 技能

技能简介

Gauntlet 是一套面向 AI 编程助手的「有证据」代码评审与缺陷修复工作流，专门针对两个现实痛点设计：一是模型做评审时容易漏掉触发失败的边界条件，二是接受了一个「看起来改好了」的补丁却拿不出可靠证据。该技能把评审范围、权限预算、证据要求、修复授权与版本绑定复验串成一条闭环，强制区分「候选缺陷」与「已确认缺陷」，最后用可追溯的记录判断任务究竟是完成还是预算耗尽。技能质量分 90，被 Skillstore 列入 featured 精选层，支持 Claude、Codex、Claude Code 三种客户端。

核心能力

1. 在正确性、安全性、可靠性、可访问性、运维与 Agent 工作流六个维度上展开有边界（scoped）的评审，而不是无差别通读整个仓库。
2. 严格区分候选缺陷与已确认发现：要求以复现步骤、源码调用链或其他显式证据支撑结论，无法复现的只能标为未决假设。
3. 引导在授权范围内做根因修复，并要求同步补充回归测试与邻近用例检查，避免按下葫芦浮起瓢。
4. 支持调用独立子代理并行评审，也提供明确标注的单人评审通道，便于资源受限时优雅退化。
5. 可选用 Python 标准库 sqlite3 记录任务、发现、检查、修订与轮次，形成可回溯的审计台账。
6. 当目标代码发生变化时自动让此前记录的验证结论失效，防止拿旧结论套新代码。
7. 计算任务范围内的完成度或预算耗尽状态，给出明确的「完成 / 未完成」判定口径。

安装配置

1. 一条命令完成安装：npx skillstore add aakashh242/gauntlet，装入本地技能目录后即可被 Claude、Codex、Claude Code 自动识别。
2. 运行环境需要 Python 3.10 及以上并包含 sqlite3 模块；若不启用可选台账功能，可跳过这一要求。
3. 台账文件必须放在私有受信任目录中，且不要提交到版本控制，证据片段中需先脱敏密钥等敏感信息。
4. 开始评审前先声明四件事：评审范围、预期行为、精确到修订号的代码基线，以及本次可用权限与评审预算。

使用步骤

1. 划定范围与预算：明确本次要看的变更、变更意图、基线修订号，并限定允许使用的工具与写权限。
2. 触发多维度检查：让技能在正确性、安全性、可靠性、可访问性、运维、Agent 六个方向上并行展开，避免单一视角漏判。
3. 要求逐条附证据：给出可复现路径或源码追踪依据，无法复现的降级为未决假设单独列出，不与结论混在一起。
4. 对已确认缺陷先申请授权再修复，同时补上回归测试与相邻边界用例检查。
5. 代码一旦变更立即触发失效检查，把受影响的验证项重新跑一遍再下结论。
6. 汇总输出任务范围内的完成状态或预算耗尽状态，并明确列出仍无法验证的部分。

适用场景

1. API 变更评审：检查契约定义、畸形输入、错误分支与下游消费方，但评审阶段不允许改动实现代码。
2. 可靠性缺陷修复：追踪重试或并发相关缺陷，授权有界修复，并验证原始失败场景与邻近调度场景。
3. 关键工作流评审：针对多租户隔离、支付回调等高风险链路做只读审查，并使用独立评审者交叉验证。
4. Agent 边界评估：审查工具权限范围、对不可信内容的处理方式、评测完整性以及降级兜底行为。

适用人群

适合日常使用 AI 编码助手的开发者、需要在上线前做质量把关的团队负责人，以及关注评审证据链与合规审计流程的工程管理者。

工作原理

技能本体是一套结构化的提示与流程规范，而不是一个独立运行时。它把「范围声明—多维度检查—证据归类—授权修复—版本绑定复验—结论判定」拆成有序阶段，并把每阶段产物写入可选的 SQLite 台账；台账只记录调用方的声明，不会替用户执行测试、认证审批或证明证据。安全审计结论为：76 项静态发现全部是文档、校验逻辑与受限测试子进程相关的误报，未发现凭据收集、数据外传或提示注入行为。

官方链接

• 技能主页：https://skillstore.io/skills/aakashh242-gauntlet
• 源码仓库：https://github.com/aakashh242/gauntlet
• 清单文件：https://skillstore.io/api/skills/aakashh242-gauntlet/manifest
• 开源许可证：MIT