让 AI 帮你做代码审查，还带反幻觉校验？LobeHub 这个 Skill 有点东西

最近 AI 代码审查越来越火，但大多数方案有一个老问题：AI 看了一堆 diff 片段就开始“编故事”——明明没看懂上下文，却硬给你写出一堆看似合理、实则臆测的 review 意见。

LobeHub 开源的 deep-review Skill，给我眼前一亮的感觉。它不是又一套“给 review prompt 套模板”的把戏，而是从机制上做了三个关键设计，值得认真看。

它不是“一个模型评全部”

deep-review 把审查拆成多个维度：代码风格、业务逻辑、架构复用、性能、安全……每个维度交给一个独立 subagent 去审。好处是：每个 reviewer 只看到它需要看的那部分，不会被 irrelevant diff 带偏，输出也更容易定位问题。

更关键的是，这些 reviewer 跑在普通/快速模型上，而不是硬堆一个“最强模型”。作者的原话是：review 质量来自细粒度规则，不是更聪明的模型。这个思路很务实。

反幻觉：先 falsify 再汇报

这是我觉得最值得借鉴的设计。reviewer 提交潜在问题后，会有一个独立的 verify subagent 去证伪，结果分三类：确认有效、误报、需要更多上下文。

为什么这个设计重要？因为代码 review 的假阳性比假阴性更毒——开发者花半小时追一个不存在的 bug，几次之后就再也不信 AI review 了。falsify 步骤把这个问题按在了汇报之前。

两个入口，不滥用深度

deep-review 提供了两个入口：

• Light 模式：日常“帮我看看这个 PR”级别的请求，主 agent 直接按 quick checklist 做 inline review，不走 subagent。
• Deep 模式：必须显式触发，才启动全量多维度审查 + verify。

这种按需升级的设计很聪明。不是所有改动都值得“大动干戈”，但你一 invoke，它又能全量开火。避免了滥用算力，也控制了 false positive 的噪音。

谁该用？

如果你已经在用 Claude Code / Codex / Cursor 等支持 Skills 的 AI 编程工具，且团队有定期 review 的需求，deep-review 是目前我看到在“工程化 review”方向上最完整的一套开源 Skill。它不是简单的 prompt 包装，而是把流程拆成了可执行、可校验、可剪裁的规则集。

直接把 Skill 目录克隆进项目，配置好维度文件，就能跑。对想提升团队代码质量的工程负责人来说，值得把仓库收藏起来研究。

📦 项目地址：lobehub/lobehub – deep-review

GitHub: https://github.com/lobehub/lobehub/tree/main/.agents/skills/deep-review