通过多智能体 PR 评审增强 Claude Code：adamsreview 简介

AI 驱动的代码评审正在迅速从简单的基于提示词的建议演变为复杂的智能体工作流。虽然像 Claude Code 内置的 /review 和 /ultrareview 这样的工具提供了基础功能，但开发者发现，为了超越表面层面的反馈并捕捉真正的架构级漏洞，一种更结构化、多阶段的方法是必要的。

adamsreview 是 Claude Code 的一个插件，旨在通过实现一个优先考虑深度和验证而非单次分析的多智能体系统，专门解决这些局限性。通过利用并行子智能体和持久化状态，它将 PR 评审过程从聊天交互转变为结构化的工程流水线。

adamsreview 的架构

与尝试在单个提示词中分析整个代码库的标准 AI 评审工具不同，adamsreview 采用了多阶段策略。这种方法借鉴了内置的 /review 命令，但通过几个关键的技术增强扩展了它：

并行子智能体与验证

该工具利用并行子智能体对代码的特定区域进行深度挖掘。它不是由一个智能体尝试处理所有事情，而是将工作负载进行分配。随后会进行验证环节，以确保智能体提供的建议不仅合理，而且正确。这降低了“幻觉”率，并最大限度地减少了经常困扰 AI 代码评审的误报。

持久化状态管理

在长时间运行的 AI 智能体工作流中，一个主要的挑战是上下文窗口饱和。adamsreview 通过在磁盘上的 JSON 构件中存储状态来解决这个问题。这允许用户在评审阶段之间清除上下文，而不会丢失进度。通过维护发现结果的持久化记录，该工具可以在分析、演练和修复之间进行转换，而无需在每一轮中重新处理整个代码库。

命令套件

该插件提供了六个专门的斜杠命令来管理 PR 生命周期：

• /review: 发起深度、多阶段的评审过程。
• /codex-review: 与 Codex CLI 和 PR bot 评论集成，进行集成评审。
• /add: 将特定的上下文或文件添加到评审范围中。
• /promote: 将特定的发现结果提升为更高优先级或最终报告。
• /walkthrough: 使用 Claude 的 AskUserQuestion 功能引导开发者逐一处理不确定的发现结果，确保人工介入验证。
• /fix: 分派每组修复的智能体来实施变更，然后使用 Opus 进行重新评审，并在提交之前撤销任何回归问题。

性能与成本考量

据作者称，adamsreview 捕捉到的真实漏洞比 /ultrareview、CodeRabbit 或 Greptile 等内置工具多得多。一个显著的操作优势是其计费模式：它运行在用户的常规 Claude Code 订阅（建议使用 Max 计划）之上，从而避免了与 /ultrareview 相关的“额外使用”池费用。

然而，Hacker News 上的社区响应引发了关于这种方法成本和复杂性的重要问题。一些用户质疑这种“仪式感”——即多个阶段和命令——是否为开发者的工作流增加了过多的摩擦。其他人则对“氛围编码 (vibe coding)”表示担忧，并担心由于大量使用提示词而导致 Token 消耗过快。

对 AI 评审智能体的批判性视角

围绕 adamsreview 的讨论突显了软件工程社区中关于 AI 在 PR 评审中扮演角色的更广泛辩题。

一些开发者认为，智能体化评审对于生产代码来说本质上是有风险的。正如一位用户所言：

智能体评审 AI 代码对我来说总感觉不太对劲，尤其是在处理生产（不可丢弃）代码时。

这种观点表明，人们更倾向于由 AI 支持的本地、人工主导的评审，而不是将评审过程委托给一系列智能体。此外，人们反复担心我们可能在“用复杂性对抗复杂性”，即通过添加复杂的智能体框架来解决 AI 不准确性的问题，这仅仅是在软件开发生命周期中增加了另一层架构开销。

结论

adamsreview 代表了向更严谨、AI 辅助的代码评审迈进的一步。通过从单次分析转向带有持久化状态的结构化、多智能体流水线，它为那些寻求不仅仅是表面反馈的人提供了工具。虽然摩擦和 Token 成本可能对某些人造成困扰，那么捕捉更深层漏洞和更少误报的能力使其成为 Claude Code 生态系统用户的一个极具吸引力的选择。