PyTorch 官方 PR Review Skill 发布！AI 编程助手也能做专业代码评审了

说实话，每次给 PyTorch 提 PR 最怕的不是写代码，是等 review。

一个上千行的大 PR 改完，CI 全绿，但内部逻辑有没有疏漏、测试覆盖够不够、向后兼容性考虑了没有——这些 CI 管不了， reviewer 也得花大量时间才能看清。结果往往是：等 review 的时间比写代码还长。

GitHub 上 97K ⭐ 的 PyTorch 官方出了一个 Claude Code / AI 编程工具专用的 PR Review Skill，就是来解决这个问题的。

这个 Skill 到底干什么

pytorch/pr-review 是一个专门给 AI 编程助手用的 PyTorch PR 评审工具。你告诉它要看哪个 PR 或者本地分支，它就会启动一套结构化的 review 流程——不是简单地扫一眼代码格式，而是真正去深挖 CI 覆盖不到的地方。

review 范围包括：

• 代码质量：逻辑是否正确、是否有潜在 bug
• 测试覆盖：新增功能有没有对应测试，修复有没有回归测试
• 安全性：是否有安全隐患
• 向后兼容性（BC）：改了 API 对现有调用方有没有影响
• 线程安全：PyTorch 多线程场景下有没有 race condition
• 性能：有没有引入不必要的开销

怎么用

调用方式很直接，给 AI 助手输入 /pr-review <PR号或URL>，如果想要逐行详细评论就加个 detailed 参数：

/pr-review 12345
/pr-review 12345 detailed
/pr-review branch（看本地分支）

Skill 内部会自动用 gh CLI 拉取 PR 的元信息（标题、作者、文件列表、diff 等），然后按 PyTorch 官方的评审规范逐项检查。

GitHub Actions 模式下还有个更方便的玩法——直接在 GitHub PR 里 @Claude 调用，PR 的所有元信息会被预填充进 prompt，Skill 直接开始干活，不需要额外拉取。

评审哲学：只说问题，不说好话

这条很有意思。Skill 明确规定：review 输出只报告问题，做得好的地方一个字都不提，不赞美、不解释”为什么这个没问题”。

原因很实在：reviewer 的时间是宝贵的，每句话都应该指向需要修复的地方。而且 Skill 要求每个发现都要具体到文件名和行号，不能只说”这里不太好”。如果自己不确定，还会主动 spawn 子 agent 去读相关代码来验证判断是否正确。

一个细节值得注意

Skill 会 spawn 多个 sub-agent 并行去读不同区域的代码——因为 PyTorch 代码库太大，单个 agent 根本 hold 不住所有上下文。一个中等规模的 PR 通常会启动 3-8 个 sub-agent 分别查不同方面，最后汇总成结构化的 review 报告。

适用场景

如果你是 PyTorch 贡献者，或者在用 Claude Code / Cursor 等工具做深度 PyTorch 开发，这个 Skill 能把你的 review 效率提升一个档次——特别是在等官方 maintainer review 之前，自己先用 AI 过一遍，把明显的问题先修了再提。

GitHub 仓库：https://github.com/pytorch/pytorch/tree/main/.claude/skills/pr-review

GitHub: https://github.com/pytorch/pytorch/tree/main/.claude/skills/pr-review