adversarial-review
異なるAIモデルを対抗させるクロスモデル方式のコードレビュースキルで、Claude使用時はCodexが、Codex使用時はClaudeがレビュアーとして起動し、独立した批判的視点から成果物を検証します。最終的に指摘事項と総合判定をまとめた統合レポートを生成します。トリガーワード:「adversarial review」。
description の原文を見る
>- Adversarial code review using cross-model approach. Spawns reviewers on the opposing model (Claude uses Codex, Codex uses Claude) to challenge work from distinct critical lenses. Produces a synthesized verdict with findings and lead judgment. Triggers: "adversarial review".
SKILL.md 本文
対立的レビュー
対立するモデル 上でレビュアーをスポーンして作業内容に異議を唱えます。レビュアーは脳原理に基づいた異なる視点から攻撃を行います。成果物は統合された判定です — 変更を加えては いけません。
厳しい制約: レビュアーは対立するモデルの CLI (codex exec または claude -p) 経由で実行する 必須 です。サブエージェント、Agent ツール、またはその他の内部委任メカニズムをレビュアーとして使用しないでください。これらは 自分のモデル 上で実行され、目的に反します。
ステップ 1 — 原則を読み込む
brain/principles.md を読んでください。すべての [[wikilink]] に従い、リンクされた各原則ファイルを読んでください。これらはレビュアーの判定を支配します。
ステップ 2 — スコープと意図を決定する
コンテキスト (最近の差分、参照されたプラン、ユーザーメッセージ) からレビューする内容を特定します。
意図 を決定します — 著者が達成しようとしていること。これは重要です: レビュアーは意図が正しいかどうかではなく、作業が意図を よく達成しているかどうか に異議を唱えます。進める前に意図を明示的に述べてください。
変更サイズを評価します:
| サイズ | しきい値 | レビュアー |
|---|---|---|
| 小 | 50 行未満、1-2 ファイル | 1 (Skeptic) |
| 中 | 50-200 行、3-5 ファイル | 2 (Skeptic + Architect) |
| 大 | 200+ 行または 5+ ファイル | 3 (Skeptic + Architect + Minimalist) |
レンズ定義については references/reviewer-lenses.md を読んでください。
ステップ 3 — モデルを検出し、レビュアーをスポーンする
レビュアー出力用の一時ディレクトリを作成します:
REVIEW_DIR=$(mktemp -d /tmp/adversarial-review.XXXXXX)
どのモデルであるかを判定し、対立するモデル上でレビュアーをスポーンします:
Claude である場合 — codex exec 経由で Codex レビュアーをスポーンします:
codex exec --skip-git-repo-check -o "$REVIEW_DIR/skeptic.md" "prompt" 2>/dev/null
レビュアーがテストを実行する必要がある場合のみ --profile edit を使用してください。デフォルトは読み取り専用です。
run_in_background: true で実行し、TaskOutput で block: true, timeout: 600000 を使用して監視します。
Codex である場合 — claude CLI 経由で Claude レビュアーをスポーンします:
claude -p "prompt" > "$REVIEW_DIR/skeptic.md" 2>/dev/null
run_in_background: true で実行します。
各出力ファイルにレンズの名前を付けます: skeptic.md、architect.md、minimalist.md。
references/reviewer-prompt.md のテンプレートを使用して各レビュアーのプロンプトを構築します。
ステップ 4 — 判定を確認し、判定を統合する
レビュアー出力を読む前に、どの CLI が使用されたかをログに記録し、出力ファイルが存在することを確認してください:
echo "reviewer_cli=codex|claude"
ls "$REVIEW_DIR"/*.md
出力ファイルが見つからないか空の場合は、判定にその失敗を記録してください。レビュアーを静かにスキップしないでください。
$REVIEW_DIR/ から各レビュアーの出力ファイルを読んでください。重複する調査結果を除外します。references/verdict-format.md のフォーマットを使用して単一の判定を作成します。
ステップ 5 — 判断を提示する
レビュアーを統合した後、自分の判断を適用します。述べられた意図と脳原理をフレームとして使用し、どの調査結果を受け入れるか、どれを拒否するかを述べてください — そしてその理由を述べます。レビュアーは設計上対立的です。すべての調査結果が行動を保証するわけではありません。偽陽性、越権、スタイルを本質と間違える調査結果を指摘してください。
判定に主要判断セクションを追加します (references/verdict-format.md を参照)。
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- poteto
- リポジトリ
- poteto/noodle
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/poteto/noodle / ライセンス: MIT
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。