多模型交叉审核解决了 AI 代码质量失控的痛点，适合重度使用 AI 编程的团队和个人开发者，建议直接 fork 项目试试这套流程。
开发者 vikingmute 开源了 review-forge，一套用于审核 AI 生成代码的流程技能。该流程包含 review、synthesize、手动决策、fix 和 verify 五个步骤，通过让 GPT-5.5、Compose2.5、DeepSeek V4 Pro 等多个模型分别生成 bug 报告，再汇总交叉验证，最后由人工决定修复哪些问题。作者认为 AI 代码产出太快，长期不干预会导致系统失控，这套流程能有效提升代码质量。项目灵感来自文章《Using AI to write better code more slowly》，旨在让 AI 写得更慢但更好。
开源一个我最近 Review AI Code 流程的 skills， review-forge https://t.co/lDHbd5Y9Je 我现在越来越发现 Review 的重要性，因为 AI ...
开源一个我最近 Review AI Code 流程的 skills， review-forge github.com/vikingmute/rev… 我现在越来越发现 Review 的重要性，因为 AI 代码产出太快了，假如长时间不干预，很快整个系统有可能都不受控制。 这个技能里面有这几个关键流程： review：让不同的模型根据当前 diff 或者 branch 生成 bug 报告，每个模型一份单独的报告。（目前我用 GPT5.5/ Compose2.5/ DeepSeek V4 Pro）。多模型 Review 在我长时间的实践中，发现是很重要的，因为每个模型都有自己的盲区，交叉验证。 synthesize： 根据不同模型的 bug report，汇总生成一份summary.md 的报告，因为两个模型都发现的问题，基本就是铁板钉钉的真问题。 手动Review 和决定修复哪些问题：因为问题一般很多，AI 擅长 review，但不擅长决策。后者需要人对整个项目的理解，需要权衡风险和收益，所以必须有我来做决定。 fix：让一个模型修正 summary 中的问题，并且跑测试验证。更新 status.md 文档 verify：让另外一个模型验证是否修复，更新 status.md，以此循环直到你需要的问题解决。 最近在不断改进这套流程，对它感觉越来越好，我也是从Using AI to write better code more slowly 那篇文章进行不断实践的结果，如果希望让 AI 写得好，写的慢的可以参考一下这个流程。 💬 1 🔄 0 ❤️ 4 👀 784 📊 5 ⚡