AgentStack
Sign in Publish
MCP servers Skills Toolkits Why AgentStack Sell Docs
Sign in
SKILL verified MIT Self-run

Review Decision

skill-j0214ack-claude-skills-better-human-decisions-review-decision · by j0214ack

用最強的 model 起一個 sub-agent，對一份 spec 或重大技術決策做 decision-level 對抗性審查。不是 code-level（那是 linter / code-review 工具的事），而是「真的解決問題嗎、有沒有更簡單的解、範圍對嗎、架構邊界對嗎、漏了哪個 alternative、有沒有沒看到的風險」。Trigger 場合：開了一個 spec PR、想讓某個重大決策／方向被徹底 review、或對話中浮現一個重要技術選擇值得在動手前審。

↗ Repository
— No reviews yet
0 installs
2 views
0.0% view→install

Install

$ agentstack add skill-j0214ack-claude-skills-better-human-decisions-review-decision

✓ scanned · ✓ verified — works with Claude Code, Cursor, and more.

Security review

✓ Passed

No issues found. Passed automated security review. · v0.1.0 How review works →

  • ✓ Prompt-injection patterns
  • ✓ Secret / credential exfiltration
  • ✓ Dangerous shell & filesystem operations
  • ✓ Untrusted network calls
  • ✓ Known-malicious package signatures

What it can access

  • ✓ Network access No
  • ✓ Filesystem access No
  • ✓ Shell / process execution No
  • ✓ Environment & secrets No
  • ✓ Dynamic code execution No

From automated source analysis of v0.1.0. “Used” means the capability is present in the source — more access means more to trust, not that it’s unsafe.

Are you the author of Review Decision? Claim this listing to set pricing, connect Stripe payouts, and keep 70% of every sale.
Sign up to claim

About

review-decision：決策層對抗性審查

code-level 的工具（linter、code-review）擅長挑 code bug，但碰不到「這個決策對不對」。這個 skill 補那一層：起一個最強 model 的 sub-agent，對一份 spec 或重大決策做對抗性審查，輸出給人類裁決。模型放大你的判斷，不取代它。

何時用

  • 每個 spec PR 都跑（spec = non-trivial 決策的載體）。
  • 任何重大技術選擇，動手前想先被徹底審。不一定要先寫成 spec，丟一段描述也行。

怎麼跑

  1. 確認要審的標的：spec 檔路徑 / PR / 一段決策描述。
  2. 起一個 sub-agent，用你手上最強的 model，要能讀檔 / grep。給它讀 spec + 相關 code + 相關決策紀錄 + 既有 learnings 的權限。關鍵是讓它對照實際 code 驗證 spec 的前提（例如去確認某個 function 真的存在、行為如 spec 所述），不是空泛評論。
  3. 預設起 1 個強對抗 reviewer（下面的 prompt 已涵蓋所有 lens）。只有「這個決策特別重大」時，才升級成多個各帶一個 lens（問題契合 / 更簡單解 / 架構邊界 / 風險）平行跑，再綜合。

sub-agent prompt 模板

> 你是資深架構師兼對抗性 reviewer。預設立場：挑戰這個決策，找出它會錯 / 過度設計 / 解錯問題的地方。先讀 `，並用 Read/Grep **對照實際 code、相關決策紀錄、learnings 驗證它的前提**（前提錯就是最大的 finding）。 > > 從這些 lens 審，每條 finding 標分類並**引用 spec/code 的具體位置**： > 1. **問題契合**：真的解決原始問題嗎？解錯問題 / 只解一半？ > 2. **更簡單的解**：有沒有更少 moving parts、更少新概念的做法？（最重要） > 3. **範圍**：over-engineer？或太小留破口？ > 4. **架構**：模組邊界 / API 介面 / 封裝放對地方了嗎？好測、好擴充嗎？ > 5. **Alternatives**：漏掉哪個明顯更好的選項？ > 6. **風險**：有沒有沒看到的失敗模式 / 外部前提 / 相容性問題？ > > 輸出規則： > - 每條 finding 標 **🔴 真問題 / 🟡 可議 / ⚪ 風格**，要**具體、可行動**，有更簡單替代就寫出來。 > - **區分真問題 vs 個人意見；不要為反對而反對。** 沒問題的部分就說「這段合理」。 > - 結尾給 **overall verdict**：proceed（可動手）/ revise（改了再動）/ rethink`（方向要重想），一句話講為什麼。

拿到 findings 後（soft-gate）

  • 出現任何 🔴 真問題 → 停下來，把 findings 整理給人類裁決，不要自動往下 implement。人類最終決定（改 spec / 接受風險 / 重想）。
  • 全是 🟡/⚪ 或 verdict=proceed → 把重點回報，可往下走。
  • findings 可貼回 spec PR comment（給人 + 留紀錄），或直接在對話呈現。

不要

  • 不要把模型的 verdict 當成「自動 gate」。它是 advisor，人類才是裁決者。
  • 不要用它做 code-level review（那是 linter / code-review 工具的事）。

跟 frame-decision 的關係

  • frame-decision = 決策「之前」：把選項框好、攤清楚、問對。
  • review-decision = 決策「之後」：對抗式審「這個決策對不對」。

範例：一種具體接法（worked example）

  • 最強 model = Opus：起這個 reviewer 用最強的 model。
  • 決策紀錄 = ADR（decisions/）+ LEARNINGS.md：reviewer 對照這些驗證前提。
  • code-level 那層另有工具：跟這支分工，那邊挑 code bug、這支審決策。
  • 你的設定多半不同（model、決策紀錄格式、code-review 工具都可換），骨架照用就好。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

Install and usage instructions live in the source repository linked above.

Reviews

No reviews yet — be the first.

Write a review

Versions

  • v0.1.0 Imported from the upstream source.

More in Developer Tools