Code Review

抓 AI 寫的程式碼藏的債務：缺錯誤處理、遺留資源、幻覺套件、架構漂移

做架構層級的 code review，看規範、SOLID、可測試性和效能

從安全、效能、正確性和可維護性審查程式碼變更

用 Standards 和 Spec 兩個面向平行 review 改動

有效的 code review 實務：給有建設性的回饋、及早抓 bug、促進知識分享

用 CodeScene MCP 在編輯前後檢查結構健康分數並把關 commit

包裝 OpenAI Codex CLI，用 review、challenge、consult 三種模式拿第二意見

用 OpenAI Codex CLI 做獨立 code review，取得不同模型的第二意見

跨專案通用的命名、可讀性、不可變性與品質審查慣例

審查 staged 變更並照 repo 慣例草擬 Conventional Commits 訊息

不綁函式庫的 Flutter/Dart code review 檢查清單，含 widget、狀態管理、效能、安全

像審 PR 一樣審 GitHub issue，驗證回報、找重複，產出分流報告跟回覆草稿

協調多面向的平行 code review，去重並校準嚴重度後彙整報告

整個 repo 的品質稽核，找 bug、風險、慢的地方和該刪的程式碼

審查一個改動的邏輯、安全、負載、測試與精簡度，每個發現都白話說明

審查 Python 程式碼時用的常見反模式檢查清單

收到 review 回饋先驗證再實作，不盲從也不客套附和

完成任務或 merge 前，派 reviewer subagent 提早抓問題

合併前掃一遍 PR diff，找出測試漏掉的結構問題並修掉

在交付前或實作後，找獨立 reviewer 審 dispatch、需求和程式

替目前任務建立或更新 PR，用結構化視覺大綱寫精簡的描述