River Review：将团队评审标准代码化为可复用技能的 AI 代码评审框架

核心能力与快速开始

★ 4 · JavaScript

能做什么

以 versioned / repo-owned 的 skill 形式编码团队评审判断，输入可跨 plan、diff、tests、JUnit 与既有评审结果。通过 plan / exec 两个 gate 在设计与实现阶段执行 skill（verify gate 计划中）。提供 Skill Registry 用于管理 security、a11y、migration safety、dependency policy、plan conformance 等团队标准，可配合 fixture 与 golden output 做回归改进。内置评审专用 agent（agents/river-review.md）与一个 orchestrator 并行运行观点评审角色（bug-hunter、security-scanner、test-gap、dependency-reviewer、frontend-reviewer、ci-cd-reviewer），用 connected-components 合并 findings，可通过 --reviewers auto 按差分类型自动选择。Riverbed operating memory 保存评审结果与决定，支持 suppression 与过去判断复用。支持 OpenAI / Anthropic / Google 等 provider，Anthropic 下提供 prompt caching 与 usage telemetry（可经 RIVER_USAGE_TELEMETRY=1 输出 JSONL）。

适用场景

适用于 AI 辅助开发团队希望把评审判断显式化、可复现、可审计的场景：检查差分是否与已批准实现计划一致；检查测试是否覆盖 plan 约定的边界条件；检查 PR 是否违反团队的 migration / security / a11y / dependency 策略；检查实现 agent 是否忽略了过去评审反馈。可用于将评审标准作为仓库资产长期维护，或通过 GitHub Actions 与 CLI 在 CI 中做无头评审，也可作为 Claude Code / Codex 插件增强 agent 的评审能力。

项目形态

开发框架

部署方式

提供两种分发渠道：Claude Code / Codex 同梱插件与 GitHub Actions；项目不发布 npm 包。可在 CI 中以 GitHub Action 运行（如 s977043/river-review/runners/github-action@v1.14.0），贡献者可在仓库内以 npm run river -- ... 方式执行 CLI（如 npm run river -- run . --dry-run）。运行行为取决于所配置的 provider（OpenAI / Anthropic / Google）与 runner（GitHub Actions / CLI / Node API）。

主要依赖

运行环境为 JavaScript/Node。使用 AI agent（Claude Code / Cursor / Codex）时通常无需 River Review 专用 LLM key，由 agent 自身模型应用 skill；只有 GitHub Action 或 standalone river run 的无头执行需要 LLM key（如 OPENAI_API_KEY、ANTHROPIC_API_KEY）。Anthropic 下可配置 claude-sonnet-4-6 等模型。硬件要求未说明。

使用限制

不替代人类评审，不自动批准或自动合并；review team 仅输出 findings 与 verdict，GO/NO-GO、迭代与停止由调用方或人负责。GitHub Action 与 river run 需要 LLM API key，会产生 API 调用成本（可用 estimate、max_cost、决定论检查优先等控制，但具体成本未说明）。verify gate 尚在规划中。不替代 ESLint、类型检查、SonarQube 等静态分析工具。项目不发布 npm 包。具体部署前提与硬件未说明。

许可证

MIT

最近推送

2026-10-09 03:59

资料检查：2026-10-09 07:00 · 卡片整理：2026-10-09 07:00
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

将团队的代码评审标准写成仓库内版本化的 skill，在 plan、diff、tests、JUnit、既有评审结果等 SDLC 产物上执行，检查实现是否符合团队规则；并通过 bug-hunter、security-scanner、test-gap 等并行评审角色输出 findings 与 verdict，供程序员在人工评审前聚焦高风险判断。

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