核心用法
Self-Review Skill 是一个用于代理输出质量预检的自动化工具，设计为管道化集成方案。用户可通过标准输入将待审核文本导入，由基于规则的引擎执行四项核心检查：清晰度（clarity）、简洁度（conciseness）、可执行性（actionability）和结构规范性（structure）。执行完成后返回退出码：0 表示通过审核，1 表示需优化。该工具以 Node.js 脚本形式部署，支持直接命令行调用或嵌入代理工作流（如 AGENTS.md 第 6 步）。
显著优点
- 零 API 成本：完全基于规则引擎，无需调用外部大语言模型，适合高频次、低延迟场景
- 轻量易集成：单文件实现，标准输入输出接口，可无缝接入现有 CI/CD 或代理管道
- 可配置阈值：用户可直接编辑源码调整审核严格度，适应不同业务需求
- 明确二进制输出：退出码机制便于自动化决策，无需解析复杂评分报告
潜在局限
- 规则引擎天花板：无法理解语义深层问题，如事实准确性、逻辑一致性、价值观对齐等
- 阈值调整门槛：需直接修改源码，缺乏外部配置文件或动态调节接口
- 评估维度有限：仅覆盖四项基础指标，缺乏多语言支持、领域适应性等专业能力
- 误报/漏报风险：基于启发式规则，可能出现过度严格或放过明显问题的情形
适合人群
- 需要快速部署输出质量 gate 的自动化代理开发者
- 对延迟和成本敏感、可接受规则引擎局限性的工程团队
- 已有 LLM-based 审核方案、需要前置轻量过滤层的用户（可结合
self-review-llm使用）
常规风险
- 过度依赖风险：规则引擎通过不等于质量达标，重要场景建议配合人工抽检或 LLM 复核
- 配置漂移：直接修改源码可能导致版本管理混乱，建议 fork 维护或等待官方配置化更新
- 扩展瓶颈：业务复杂度提升后，规则维护成本可能超过 LLM 调用成本，需提前规划迁移路径
---
注：配套存在 `self-review-llm` 进阶方案，提供基于大语言模型的深度审核能力，适用于对质量要求更高的场景。