代码质量审查

Code Review and Quality（代码/方案审查与质量）

Overview

多维度质量审查，带质量门控。每个变更在合并前都要审查 — 没有例外。

审查覆盖五个轴：正确性、可读性、架构、安全、性能。

批准标准： 当变更明确改善了整体质量时就批准，即使不完美。完美代码不存在 — 目标是持续改进。不要因为变更不完全是你会写的方式就阻塞。如果它改善了代码库并遵循了项目约定，批准它。

When to Use

• 合并任何 PR 或变更之前
• 完成功能实现之后
• 评估其他 Agent 或模型产出的代码/方案时
• 重构现有代码之后
• 任何 bug 修复之后（审查修复和回归测试）
• 重要技术方案/文档提交之前

The Five-Axis Review（五轴审查）

1. Correctness（正确性）

代码/方案是否做了它声称要做的事？

• 是否匹配规格或任务要求？
• 边界情况是否处理（null、空值、边界值）？
• 错误路径是否处理（不只是 happy path）？
• 是否通过所有测试？测试是否真的在测正确的东西？
• 是否有 off-by-one 错误、竞态条件、状态不一致？
• 数据流是否正确？输入→处理→输出链条完整？

2. Readability & Simplicity（可读性与简洁性）

另一个工程师（或Agent）能否在不靠作者解释的情况下理解？

• 命名是否描述性且与项目约定一致？（禁止无上下文的 temp、data、result）
• 控制流是否直接？（避免嵌套三元运算、深层回调）
• 代码组织是否逻辑清晰？（相关代码分组、清晰的模块边界）
• 是否有应该简化的"聪明"技巧？
• 能否用更少行数完成？ （1000行解决100行就能解决的问题是失败）
• 抽象是否赚回了它的复杂度？ （第三个用例出现前不要泛化）
• 是否有死代码残留：无用变量、向后兼容垫片、// removed 注释？

3. Architecture（架构）

变更是否适合系统的设计？

• 是否遵循现有模式？如果引入新模式，是否有理由？
• 是否维护了清晰的模块边界？
• 是否有应该共享的代码重复？
• 依赖方向是否正确？（无循环依赖）
• 抽象级别是否适当？（不过度工程化，不过于耦合）

4. Security（安全）— 含 SkillSpector 增强

4a. 代码安全（传统检查项）：

• 用户输入是否经过验证和清理？
• 密钥是否远离代码、日志和版本控制？
• 认证/授权是否在需要的地方检查？
• SQL 查询是否参数化？（禁止字符串拼接）
• 输出是否编码以防止 XSS？
• 依赖是否来自可信来源且无已知漏洞？
• 外部数据源（API、日志、用户内容）是否被视为不可信？

4b. Agent Skill 供应链安全（v1.1.0 新增，源自 NVIDIA SkillSpector 16 类漏洞模式）：

背景：42,447 个公开技能中 26.1% 含漏洞、5.2% 含恶意意图（Liu et al., 2026）

4c. CI/CD 管线安全（v1.2.0 新增，源自 OpenAI Axios 供应链攻击事件 2026-03）：

背景：攻击者入侵 Axios 维护者账号，注入恶意代码到 v1.14.1，通过 GitHub Actions 泄露 OpenAI 签名证书

• GitHub Actions 工作流是否 pin 到完整 SHA（而非 @v1/@main）？
• 第三方 actions 是否限制在可信组织（actions/*、github/*、docker/*）？
• CI 环境变量中的签名证书/密钥是否避免打印到日志？
• 构建产物是否有完整性校验（checksum/signature verification）？
• 是否监控关键依赖的维护者变更（npm owner/pip maintainer diff）？
• GITHUB_TOKEN/NPM_TOKEN 权限范围是否最小化（read-only 优先）？

4d. 声明-行为完整性验证 BIV（v1.3.0 新增，源自 Palo Alto Unit 42 "Trust No Skill" 研究 2026-06）：

背景：对 49,916 个公开技能的审计发现 80%（39,933 个）存在声明与行为偏差，137 个偏差分类，4 种复合威胁模式

核心方法：三面对比审计（Metadata vs Executable vs Natural-language）

• SKILL.md 声明 vs 代码行为：技能描述声称的能力是否与代码实际功能匹配？
  • 描述说"只读操作"但代码包含写入/删除/网络发送？
  • 描述说"本地处理"但代码包含外部 API 调用？
• Manifest 权限 vs 实际调用：YAML manifest 声明的工具权限是否与实际代码调用一致？
  • 声明只需 read_file 但代码调用了 bash/fetch/subprocess？
• 复合威胁链检测：单个能力看起来无害，但组合后形成攻击链？
  • FILE_READ → base64 编码 → NETWORK_SEND（数据外泄链）
  • ENV_READ → HTTP_POST → 外部服务器（凭证窃取链）
  • PROMPT_INJECT → MEMORY_WRITE → 持久上下文投毒（记忆投毒链）
  • TOOL_CALL → OUTPUT_EXFIL → SELF_REPLICATE（自我复制链）

BIV 快速命令参考：

# 1. 提取技能声明的能力关键词
grep -i 'description\|capabilities\|features' SKILL.md
# 2. 提取代码实际的能力关键词
grep -rn 'fetch\|http\|exec\|eval\|spawn\|writeFile\|deleteFile\|network' scripts/
# 3. 对比：声明中没有但代码中存在的能力 → 偏差标记
# 4. 复合链：检查是否存在 READ→ENCODE→SEND 模式
grep -rn 'readFile\|readFileSync\|readdir' scripts/ | grep -l 'base64\|btoa\|Buffer.from'

偏差严重度分级：

4e. MCP Server 安全审计（v1.4.0 新增，源自 2026-06 MCP 生态爆发 + Akamai KYA 信任框架）：

背景：2026年6月一周内 Azure App Service / Oracle Essbase / IBM watsonx / AWS DevOps Agent / MDN 等 5+ 企业级 MCP Server 发布，MCP 正成为 Agent 工具调用的事实标准协议。MCP Server 暴露 REST API 为 AI 可调用工具，其安全风险不同于传统 API——AI Agent 自主决策调用，无人类逐次审批。

MCP Server 安全检查清单：

MCP Server 审计快速命令：

# 1. 认证检查：是否要求 auth token
grep -rn 'auth\|token\|oauth\|pkce\|credential' server.py main.py app.py
# 2. 权限分级：默认 profile 是否为 viewer
grep -rn 'profile\|viewer\|admin\|read.only\|default.*mode' *.py *.ts *.js
# 3. 破坏性操作确认
grep -rn 'confirm\|destructive\|delete\|drop\|truncate' tools/ handlers/
# 4. 输出边界
grep -rn 'max_rows\|limit\|output_bound\|page_size\|cap' *.py *.ts
# 5. 网络绑定安全
grep -rn 'bind\|host\|0\.0\.0\.0\|loopback\|127\.0\.0\.1' *.py *.ts *.js
# 6. 凭证脱敏
grep -rn 'redact\|mask\|sanitize\|scrub' errors/ middleware/ utils/
# 7. 审计日志
grep -rn 'audit\|log.*tool\|log.*mutation\|info.*call' *.py *.ts

MCP Server 安全评级：

5. Performance（性能）

变更是否引入了性能问题？

• 是否有 N+1 查询模式？
• 是否有无界循环或不受约束的数据获取？
• 是否有应该是异步的同步操作？
• 是否有不必要的 UI 重渲染？
• 是否有列表端点缺少分页？
• 是否有热路径中创建的大对象？

Change Sizing（变化规模控制）

小的、聚焦的变更更容易审查、更快合并、更安全部署。

~100 行变更    → 好。一次审查完成。
~300 行变更    → 可接受，如果是单个逻辑变更。
~1000 行变更   → 太大。拆分。

什么时候算"一个变更"： 一个自包含的修改，解决一件事，包含相关测试，提交后系统保持功能完整。是功能的一部分 — 不是整个功能。

拆分策略：

大变更可接受的场景： 完整文件删除和自动化重构（审查者只需验证意图，不需要逐行审查）。

将重构与功能开发分开。 既重构又添加新行为的变更是两个变更 — 分开提交。

Review Process（审查流程）

Step 1: 理解上下文

在看代码之前，理解意图：

• 这个变更要完成什么？
• 它实现什么规格或任务？
• 预期行为变更是什么？

Step 2: 先审查测试

测试揭示意图和覆盖范围：

• 变更有测试吗？
• 测试的是行为（不是实现细节）吗？
• 边界情况覆盖了吗？
• 测试名有描述性吗？
• 如果代码变了，测试能捕获回归吗？

Step 3: 审查实现

带着五个轴遍历代码：

对每个变更的文件：

1. 正确性：代码是否做了测试说它应该做的？
2. 可读性：不靠帮助能理解吗？
3. 架构：适合系统吗？
4. 安全：有漏洞吗？
5. 性能：有瓶颈吗？

Step 4: 分类发现

为每个评审意见标记严重级别，让作者知道什么是必须的 vs 可选的：

这防止作者把所有反馈都当作必须的而在可选建议上浪费时间。

Step 5: 验证验证

检查作者的验证故事：

• 运行了什么测试？
• 构建通过了吗？
• 手动测试了变更吗？
• UI 变更有截图吗？
• 有 before/after 比较吗？

Step 6: Skill 安装前审计 & MCP Server 审计（v1.1.0 新增，v1.3.0 BIV增强，v1.4.0 MCP审计）

安装任何 Agent Skill 或部署任何 MCP Server 前执行此快速审计（≤3分钟）：

Phase A: 静态扫描（原有）

1. 危险函数扫描：检查 scripts/ 目录是否有 exec/eval/subprocess/__import__
2. 网络行为：grep 所有 .js/.py/.sh 中的外部URL，标记非已知域名
3. 依赖锁定：检查是否有 unpinned deps（* 版本）或 curl | bash
4. 隐藏指令：检查 markdown 中是否有 HTML 注释/零宽字符/Base64 编码块
5. 持久化检查：grep cron/systemctl/.bashrc/startup/schedule

Phase B: BIV 声明-行为完整性验证（v1.3.0 新增） 6. 三面对比：SKILL.md 描述 vs manifest 权限 vs 代码实际行为 → 标记偏差 7. 复合链检测：检查是否存在 READ→ENCODE→SEND / ENV→HTTP / INJECT→MEMORY→PERSIST 模式 8. 偏差评级：每个偏差标记 Benign/Suspicious/Malicious

Phase C: MCP Server 安全审计（v1.4.0 新增，仅 MCP Server 部署时执行） 9. 认证检查：确认 OAuth 2.1/PKCE/Access Token 配置正确 10. 默认权限：确认默认为 viewer（只读）模式 11. 凭证脱敏：构造错误请求验证 error response 不含密码/token/路径 12. 破坏性确认：确认 delete 类工具要求 confirm 参数 13. 输出边界：确认查询结果有 max_rows 限制 14. 网络绑定：确认非 loopback 绑定要求 MCP_AUTH_TOKEN 15. MCP 安全评级：按 4e 评级表给出 A/B/C/F 评级

判定规则：

• 0 Suspicious + 0 Malicious → ✅ 可安装
• 1-2 Suspicious + 0 Malicious → ⚠️ 需作者解释偏差后安装
• 任何 Malicious → ❌ 拒绝安装
• 复合威胁链存在 → ❌ 立即拒绝，不论单步看起来多无害

MCP Server 判定规则（v1.4.0 新增）：

• 评级 A 或 B + Phase A/B 无 Critical → ✅ 可部署
• 评级 C → ⚠️ 修复后重新审计
• 评级 F → ❌ 拒绝部署

快速命令参考：

# 危险函数扫描
grep -rn 'exec\|eval\|subprocess\|__import__\|child_process' scripts/
# 外部网络调用
grep -rn 'fetch\|http\|https\|curl\|wget\|axios' scripts/
# 持久化行为
grep -rn 'cron\|systemctl\|bashrc\|startup\|schedule' .
# BIV: 复合威胁链检测
grep -rl 'readFile\|readFileSync\|open(' scripts/ | xargs grep -l 'base64\|btoa\|Buffer.from'
grep -rl 'process.env\|os.environ' scripts/ | xargs grep -l 'fetch\|http\|post\|axios'

Review Output Template（审查输出模板）

## Review: [变更标题]

### 上下文
- [ ] 我理解这个变更做什么、为什么

### 正确性
- [ ] 变更匹配规格/任务要求
- [ ] 边界情况已处理
- [ ] 错误路径已处理
- [ ] 测试充分覆盖变更

### 可读性
- [ ] 命名清晰一致
- [ ] 逻辑直接
- [ ] 无不必要的复杂性

### 架构
- [ ] 遵循现有模式
- [ ] 无不必要的耦合或依赖
- [ ] 适当的抽象级别

### 安全
- [ ] 代码中无密钥
- [ ] 边界处输入已验证
- [ ] 无注入漏洞
- [ ] 认证检查就位

### 性能
- [ ] 无 N+1 模式
- [ ] 无无界操作
- [ ] 列表端点有分页

### 验证
- [ ] 测试通过
- [ ] 构建成功
- [ ] 手动验证完成（如适用）

### 发现
| # | 发现 | 级别 | 轴 | 说明 |
|---|------|------|-----|------|
| 1 | ... | Critical/Important/Nit | ... | ... |

### 裁决
- [ ] **Approve** — 可以合并
- [ ] **Request changes** — 问题必须解决

Handling Disagreements（处理分歧）

当解决审查分歧时，应用此层级：

1. 技术事实和数据 优先于意见和偏好
2. 风格指南 是风格问题的绝对权威
3. 软件设计 必须基于工程原则评估，不是个人偏好
4. 代码库一致性 是可接受的，前提是不降低整体质量

不要接受"我稍后清理。" 经验表明延迟清理很少发生。要求提交前清理。

Honesty in Review（审查中的诚实）

• 不要橡皮图章。 没有审查证据的"LGTM"对任何人都没帮助。
• 不要弱化真实问题。 "这可能是个小问题"而实际上是将影响生产的 bug 是不诚实的。
• 尽可能量化问题。 "这个 N+1 查询会为列表中的每一项增加约50ms" 比 "这可能很慢" 更好。
• 对有明确问题的方案推回。 谄媚是审查中的失败模式。
• 优雅接受覆盖。 如果作者有完整上下文并不同意，尊重他们的判断。

Common Rationalizations

Red Flags

• 变更未经审查就合并
• 只检查测试是否通过的审查（忽略其他轴）
• 没有审查证据的"LGTM"
• 安全敏感变更没有安全焦点的审查
• 太大无法认真审查的变更（拆分它们）
• bug 修复 PR 没有回归测试
• 没有严重级别标签的审查意见
• 接受"我稍后修复" — 它从不发生

Verification

审查完成后：

• 所有 Critical 问题已解决
• 所有 Important 问题已解决或明确延迟（附理由）
• 测试通过
• 构建成功
• 验证故事已记录（变了什么、如何验证的）