vet

核心用法

Vet 是一款面向 AI 辅助编程场景的代码审查工具，其核心设计理念是"即时验证"——在每次代码逻辑单元变更后立即运行，而非批量检查或被动等待。工具通过对比 git diff 与会话历史（conversation history），识别实现与需求之间的理解偏差，特别适用于多轮对话驱动的开发场景。

显著优点：

• 主动预防：强调"proactive"运行模式，将问题发现时机前移至编码过程中
• 多平台支持：原生集成 OpenCode、Codex、Claude Code 三大主流 AI 编程工具
• 灵活部署：支持 pip/pipx/uv 多种安装方式，提供用户级与项目级安装选项
• 智能会话定位：内置针对不同平台的会话导出脚本，支持通过关键词 grep 快速定位会话文件
• 双模式运行：标准 API 模式与 --agentic 本地代理模式（调用 Claude Code/Codex CLI），后者在 API 密钥缺失时可用且精度更高

潜在缺点与局限性：

• 非测试替代：明确声明不能替代单元测试，仅覆盖需求理解层面
• 跨会话噪音：分析完整 git diff 时会包含其他代理或会话的变更，需人工筛选无关问题
• 模型依赖：默认使用 Claude 模型，自定义模型需手动配置 OpenAI-compatible 端点
• 速度权衡：--agentic 模式虽精度高但速度较慢

适合人群：

• 使用 AI 编程助手（Claude Code/Codex/OpenCode）的开发者
• 需要高频验证需求理解准确性的团队协作场景
• 缺乏完善测试覆盖但需快速发现明显逻辑偏差的迭代开发

常规风险：

• 误报/漏报：LLM 分析存在置信度阈值（默认 0.8），可能遗漏低置信度问题或产生误报
• 数据隐私：会话历史包含完整对话内容，需确认导出脚本的数据处理范围
• 工具链过时：技能文件、导出脚本需随平台更新同步维护

核心用法

Vet是一款专为AI编程助手设计的代码审查工具，通过分析git diff和对话历史来发现代码变更中的问题。核心工作流为：每次代码逻辑单元变更后立即运行，而非批量处理。支持三种主流AI编程环境：

• OpenCode: vet "goal" --history-loader "python3 ~/.agents/skills/vet/scripts/export_opencode_session.py --session-id <ses_ID>"
• Codex: 通过~/.codex/sessions/路径加载会话JSONL
• Claude Code: 通过~/.claude/projects/路径加载项目会话

显著优点

1. 对话感知审查: 结合会话历史捕获"需求理解偏差"——即用户想要的vs实际实现的差异，这是传统静态分析无法发现的
2. 零配置安全: 纯Python标准库实现，无第三方依赖，彻底消除供应链攻击风险
3. 多模式灵活: 支持直接API调用(--model)或本地Agent路由(--agentic模式)，后者无需API密钥但速度较慢
4. 智能会话定位: 提供针对各平台的会话查找指南（grep唯一字符串、session list等）

局限性与风险

• 非测试替代品: 明确说明不能替代单元测试，仅作补充审查
• 跨会话干扰: 当多Agent同时工作时，git diff可能包含他人变更，需人工甄别
• Agentic模式性能: --agentic模式依赖本地Claude Code/Codex CLI，速度显著慢于直连API
• 版本同步需求: Agent框架和LLM API变更时，export脚本可能过时需手动更新

适合人群

• 使用OpenCode、Codex或Claude Code的开发者
• 需要高频、轻量代码审查的团队（尤其AI辅助编程场景）
• 对供应链安全敏感、要求零依赖工具的安全意识用户

常规风险

1. 会话数据暴露: 需将对话历史导出至临时文件，虽立即清理但存在短暂落地窗口
2. 模型幻觉传导: 底层LLM的误判可能通过vet传导，建议结合--confidence-threshold过滤低置信度结果
3. 路径遍历误配: 若Skill安装位置为用户级vs项目级混用，history-loader路径可能指向错误位置