SpecFact CLI Modules：面向 AI 辅助 Python 开发的确定性代码审查与模块注册库

nold-ai/specfact-cli-modules · Official SpecFact modules for AI-bloat defense: deterministic code-review validation, cleanup forecasts, workflow packs, and docs for AI-assisted Python delivery.

GitHub原文发布未知首次收录 2026-09-17上架 2026-09-20 12:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

该项目是 SpecFact CLI 的官方模块注册库，托管 nold-ai 官方 bundle 及其文档，用于 AI 辅助 Python 交付场景。其代码审查 bundle 可给出 ai_bloat 提示性发现，识别 AI 生成代码中常见的冗余形态（如恒等 try/except、单调用包装、直通 lambda、冗余中间变量、过长的线性函数），提供确定性代码审查验证、清理预测与工作流包，并包含模块签名、语义化版本管理与契约测试等质量门禁流程。

# Python # 代码审查 # 静态分析 # 工作流 # 代码分析

核心能力与快速开始

★ 1 · Python

能做什么: 提供 SpecFact CLI 官方模块注册与文档，核心能力为 AI 生成代码膨胀（ai_bloat）提示性检测，输出分数中立、非自动改写的候选信号；通过 `specfact code review run --json --out` 生成审查报告，并可在 AI IDE 中配合 `/specfact.08-simplify` 逐项确认简化；同时提供确定性代码审查验证、清理预测、工作流包与模块签名/版本管理机制。
适用场景: 用于 AI 辅助 Python 开发中的代码审查与清理评估：检测 AI 生成代码的冗余结构、生成结构化审查报告供人工逐项确认、在提交前通过 pre-commit 与质量门禁（格式化、类型检查、lint、契约测试）约束代码质量、评估遗留代码现代化与技术债清理。
项目形态: 开发框架
部署方式: 未说明；README 仅提及本地 Hatch 环境与 Python 3.11+ 的仓库内开发流程。
主要依赖: Python 3.11+、Hatch、pre-commit；部分流程需配合 specfact-cli 使用。
使用限制: 仓库为模块注册与官方 bundle 载体，第三方 bundle 不在其中；ai_bloat 结果为提示性、分数中立，示例中 144 个候选均未自动改写，需人工确认；发布与注册表更新依赖 CI 与签名流程，PR 目标分支有不同签名要求。
许可证: MIT
最近推送: 2026-09-17 06:30

项目文档核对 README 依据 ↗

资料检查：2026-09-17 07:00 · 卡片整理：2026-09-20 12:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

在 AI 辅助 Python 开发中，使用该代码审查 bundle 对代码进行确定性审查，识别 AI 生成代码中常见的冗余形态（如恒等 try/except、单调用包装、直通 lambda、冗余中间变量、过长的线性函数），并通过工作流包进行清理预测和简化审查。

查看内容依据

The Code Review bundle now surfaces `ai_bloat` findings: advisory, score-neutral signals tuned for the bloated shapes AI-assisted code commonly produces, such as identity `try/except`, one-call wrappers, passthrough lambdas, redundant intermediates, and long linear functions.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

SpecFact CLI：面向 Python 团队的 AI 代码膨胀防御与确定性代码审查命令行工具

SpecFact CLI 是一个本地运行的 Python 命令行工具，针对 AI 辅助编程和存量（brownfield）项目提供确定性的代码审查、清理影响预测以及规范/契约证据。它无需 API 密钥、可离线工作，能检测冗余包装器、直通 lambda、恒等 try/except、可避免的中间列表、低分支长函数等 AI 编码常见的膨胀形态，并将审查结果以 JSON 形式交给 Claude、Codex、Cursor、Copilot 或无头代理等 AI IDE 进行修复，再复跑审查以获得证据。支持通过 uvx 零安装试用，并可接入 pre-commit 钩子、GitHub Actions 等流程，同时衔接 Spec Kit、OpenSpec、backlog 等上游规划输入作为验证证据。

agent-skills：面向编程智能体的个人技能合集

该项目是一组按 Agent Skills 布局组织的个人技能集合，供编程智能体使用。其技能分为两类：一是工作流类技能，覆盖从书面 issue 出发构建、借助子智能体执行差异审查并分类修复、提交前检查、将完成的工作分支合入本地 main；二是质量类技能，覆盖实现后的简化与产品决策二次审视、对 git diff 做两遍式审查，以及按 Alex North 的 GitHub 审查偏好主题审查差异。仓库通过 npx skills 命令安装全部或单个技能，并提供列表查看命令。

CodeCartographer：面向 Pi 与 MCP 编码 Agent 的代码库逆向分析与人工确认的软件规划

CodeCartographer 通过 AI Agent 对不熟悉的代码库进行逆向分析，产出分层架构、行为契约、缺陷报告和与语言无关的重实现规范，支持 Pi 扩展、MCP 服务器和可直接拷贝的模板三种使用方式。其特点是分阶段流水线，以文件系统（.codecarto/findings/）作为持久记忆，阶段间设有验证闸门，每条结论带有证据等级标签（观察事实、强推断、可移植性风险、外部行为声明、开放问题），并支持从产品愿景与已确认规范反向合成项目实施计划。

Sentinel Review：基于LLM与Semgrep的自主GitHub PR代码审查代理

Sentinel Review 是一个自动化的 GitHub Pull Request 审查代理，结合 LLM 语义推理（Claude / GPT-4o）与 Semgrep 确定性静态安全扫描，在完整仓库上下文下读取 diff，生成按严重级别（blocking / warning / nit）分类的行级内联评论，并通过 👍/👎 反馈指标追踪审查质量。项目提供 Django + Celery + Redis + PostgreSQL 的完整服务架构（含仪表盘、API、Prometheus 指标、健康检查），也支持以 GitHub Action 形式在无服务器环境下运行。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。