让AI审代码不再”形式大于实质”——Deep Review多维度代码审查体验
你有没有这种感觉——让 AI 审代码，它要么说”看起来不错”，要么列一堆泛泛的”建议优化命名”？
那种审法，形式大于实质，跟真正的代码审查差太远了。
Deep Review 是 LobeHub 开源的一个 Claude Code Skill，专门做这件事——多维度、并行、还能对抗幻觉的代码审查。
它凭什么不一样？
传统 AI review 的通病：只看到 diff 片段，就敢发明 Bug。Deep Review 的解法是把审查拆成多个独立维度，每个维度交给不同的子 Agent 并行跑，最后汇总、去重、再验证。
核心设计原则很有意思，我列几个：
反幻觉机制——候选发现必须逐个经过独立验证 Agent，由它读完整上下文后给出三方裁决：confirmed / false_positive / need_more_context。不用置信度百分比，因为百分比听起来很精确但不可靠。
反自审批——写代码的 Agent 不能审自己的代码，必须由第三方立场的 Agent 来做。这听起来理所当然，但大多数 AI review 实现都做不到。
规则优先于模型——审查质量来自细粒度、可执行的维度规则，不是来自更聪明的模型。
两档模式，按需切换
Light 模式（默认）：普通 review 请求，比如”帮我看看这个 PR”，主 Agent 直接对照维度清单做行内审查，不需要召唤子 Agent，速度快。
Deep 模式（显式触发）：输入 /deep-review 或”跑一个完整的多智能体审查”，才会真正触发完整编排——维度审查 Agent → 验证管道 → 全局去重 → 结构化报告 → 交互式修复。
覆盖哪些维度？
SKILL.md 里定义了这些审查维度：
- ai-coding-bad-habits：
ai前缀，覆盖 AI 编程中的常见陷阱 - code-style：
style前缀，命名、可读性、硬编码、样式规范 - logic：
logic前缀，逻辑正确性、边界情况、并发、测试覆盖 - business-logic：
design前缀，框架误用、最佳实践违反、方案权重不匹配 - reuse-architecture：
reuse前缀，重复实现、未使用模式、扩展性 - performance：性能维度
每个维度都有独立的规则文件（references/dimensions/ 下），包含快速检查清单和完整规则说明。
用一句话总结
Deep Review 把代码审查从”AI 读一遍 diff 说几句好话”升级成了一套有架构的反审、验证、去重流水线——真正的代码审查该有的样子。
如果你经常用 Claude Code 做开发，这个 Skill 值得加到你的工具箱里。
GitHub：https://github.com/lobehub/lobehub/tree/main/.agents/skills/deep-review
GitHub: https://github.com/lobehub/lobehub/tree/main/.agents/skills/deep-review
评论区
登录后可评论。