Token导航 LogoToken导航

Agent Skill · 研究检索

ln-312-review-findings-worker(ln 312 审查结果工人)

ln-312-review-findings-worker 用于查找、检索和筛选相关信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

ln-312-review-findings-worker 是研究检索类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为只读;许可证信息还不明确,第三方扫描已通过,按安装量在研究检索类的 73,675 个 Skill 里排第 52,586。

总安装 552周安装 23GitHub Stars 441下载 184核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:ln-312-review-findings-worker(ln 312 审查结果工人)
来源仓库:https://github.com/levnikolaevich/claude-code-skills
仓库路径:skills/ln-312-review-findings-worker
安装命令:
npx skills add https://github.com/levnikolaevich/claude-code-skills --skill ln-312-review-findings-worker
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/levnikolaevich/claude-code-skills --skill ln-312-review-findings-worker

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

用于查找、检索和筛选相关信息,适合在 Codex、Claude、Cursor、Gemini CLI 中快速定位候选结果。支持基于关键词、任务场景或来源线索进行信息检索与筛选。通过 npx skills add 命令从指定 GitHub 仓库安装使用。安装前需确认权限范围、维护状态及是否涉及联网或文件操作。

ln-312-review-findings-worker 属于研究检索类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/ln-312-review-findings-worker

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/levnikolaevich/claude-code-skills --skill ln-3…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

ln-312-review-findings-worker 怎么安装?

在终端执行 npx skills add https://github.com/levnikolaevich/claude-code-skills --skill ln-312-review-…。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

ln-312-review-findings-worker 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

ln-312-review-findings-worker 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

ln-312-review-findings-worker 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

ln-312-review-findings-worker 用的人多吗?

公开数据是累计安装 552 次,近一周安装 23 次,下载 184 次,GitHub 441 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

ln-312-review-findings-worker 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。
  • 只想先试试效果、不希望它改动本地文件的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
ln-312-review-findings-worker

ln 312 审查结果工人 · 本页

552441只读未明确通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Paths: File paths (shared/, references/, ../ln-*) are relative to skills repo root.

Type: L3 Worker Category: 3XX Planning

Review Findings Worker

Mandatory Read

MANDATORY READ: Load shared/references/evaluation_worker_runtime_contract.md, shared/references/evaluation_summary_contract.md MANDATORY READ: Load ../ln-310-multi-agent-validator/references/phase2_research_audit.md, ../ln-310-multi-agent-validator/references/penalty_points.md MANDATORY READ: Load ../ln-310-multi-agent-validator/references/premortem_validation.md, ../ln-310-multi-agent-validator/references/cross_reference_validation.md

Purpose

  • analyze the target artifact or diff
  • convert evidence into normalized findings
  • for mode=story: calculate penalty points across 30 criteria per phase2_research_audit.md
  • for mode=plan_review|context: evaluate criteria #5, #6, #21, #28 only (no penalty accumulation)
  • avoid narrative-only review output

Mode Gate

  • mode=story: full pipeline — pre-mortem, cross-reference, penalty points across 30 criteria, build fix plan
  • mode=plan_review|context: applicability check, stack detection, evaluate criteria #5 (standards), #6 (library versions), #21 (alternatives), #28 (library features) only, normalize findings without penalty accumulation

Runtime

Runtime family:

  • evaluation-worker-runtime

Required manifest fields:

  • identifier
  • phase_order
  • summary_kind=review-findings
  • operation=findings

Recommended phase_order:

  1. PHASE_0_CONFIG
  2. PHASE_1_LOAD_TARGET
  3. PHASE_2_PREMORTEM (mode=story, complexity >= Medium)
  4. PHASE_3_CROSS_REFERENCE (mode=story, multi-story Epic)
  5. PHASE_4_CRITERIA_AUDIT
  6. PHASE_5_PENALTY_CALCULATION (mode=story only)
  7. PHASE_6_NORMALIZE_FINDINGS
  8. PHASE_7_WRITE_SUMMARY
  9. PHASE_8_SELF_CHECK

Workflow

Phase 0: Config

Load runtime manifest, target identifiers, and any linked research artifact paths.

Phase 1: Load Target

Load only the target artifacts needed for the review scope.

Phase 2: Pre-mortem (mode=story)

Execute pre-mortem analysis per premortem_validation.md:

  1. Skip for trivial Stories (1-2 tasks, no external deps, known tech).
  2. Execute for Stories with complexity >= Medium (3+ tasks, external deps, or unfamiliar tech).
  3. Tigers (evidence-based risks) feed Risk criterion #20 — add to risk table BEFORE penalty calc.
  4. Elephants (unstated assumptions) feed Assumptions criterion #24 — add with [pre-mortem] tag, Confidence=LOW.
  5. Paper Tigers (fears without evidence) — document and dismiss.
  6. Include pre-mortem table in audit report.

Phase 3: Cross-Reference (mode=story)

Execute cross-reference analysis per cross_reference_validation.md:

  1. Skip if Epic has only 1 Story or all siblings Done/Canceled.
  2. Load sibling Stories via list_issues(project=Epic.id).
  3. Check AC overlap (#25): structured traceability first, keyword fallback advisory-only.
  4. Check task duplication (#26): structured match primary.
  5. Include cross-reference findings in audit report.

Phase 4: Criteria Audit

  1. mode=story: evaluate all 30 criteria against Story/Tasks per phase2_research_audit.md Auto-Fix Actions Reference.
  2. mode=plan_review|context: evaluate criteria #5, #6, #21, #28 only (standards + solution groups).
  3. Cross-check claims against provided research evidence when present.

Phase 5: Penalty Calculation (mode=story)

  1. Assign penalty points per violation using severity levels from phase2_research_audit.md (CRITICAL=10, HIGH=5, MEDIUM=3, LOW=1).
  2. Apply multiple-violation rules per penalty_points.md Calculation Rules.
  3. Calculate total penalty points.
  4. Build fix plan for each violation.
  5. Format penalty audit table per penalty_points.md Report Format.

Phase 6: Normalize Findings

Each finding should prefer structured fields such as:

  • id
  • severity
  • category
  • subject
  • evidence
  • recommendation

Phase 7: Write Summary

Emit summary_kind=review-findings.

Payload must include:

  • worker=ln-312
  • status
  • operation=findings
  • warnings

Prefer these fields when available:

  • findings
  • metrics.penalty_total (mode=story)
  • metrics.criteria_violated (list of criterion numbers)
  • metrics.fix_plan (array of {criterion, action, severity})
  • metrics.premortem_summary (when executed)
  • metrics.cross_reference_summary (when executed)

Phase 8: Self-Check

  1. Remove duplicates.
  2. Remove unsupported claims.
  3. Verify penalty calculation matches penalty_points.md rules (mode=story).
  4. Record pass=true only after summary write.

Definition of Done

  • Target artifact loaded
  • Pre-mortem executed or justified as skipped (mode=story)
  • Cross-reference executed or justified as skipped (mode=story)
  • Criteria audit completed (30 for story, #5/#6/#21/#28 for others)
  • Penalty points calculated and fix plan built (mode=story)
  • Findings normalized
  • Unsupported claims removed
  • review-findings summary written
  • Self-check passed

Version: 1.0.0 Last Updated: 2026-04-10

平台分布

Codex

34.88%
按下载量换算64

Claude

29.94%
按下载量换算55

Cursor

19.4%
按下载量换算36

Gemini CLI

8.16%
按下载量换算15

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills