背景和价值
tRPC-Agent 的 Skill 体系可以把可复用工作流封装为 SKILL.md、文档和脚本，并通过 skill_load、skill_run 在隔离 workspace 中执行。CodeExecutor 支持本地、容器和 Cube/E2B 沙箱，Session / Memory / SQL 存储可以持久化审查任务、代码片段、诊断结果和历史经验，Filter 和 Telemetry 可以记录审查链路中的拦截、耗时、异常和风险分布。把这些能力组合起来，可以构建一个面向真实工程场景的自动 CR Agent：读取 diff，识别风险，必要时在沙箱中运行静态检查或测试，把结论结构化落库，并支持后续评测、监控和回放。
该题难点在于它不是“让 LLM 评论代码”，而是要把 Skills、沙箱执行、数据库、Filter 治理、审查规则、结果结构化、监控审计和安全边界串成一个可验证系统。不同贡献者可以在规则引擎、沙箱策略、数据库 schema、评审指标、Filter 策略和 Agent 编排方式上采用不同方案。
任务描述
设计并实现一个自动代码评审 Agent 原型。输入一个 git diff、PR patch 或本地变更目录，Agent 通过代码评审 Skill 加载规则和脚本，在 Filter 策略允许后进入沙箱执行必要检查，把发现的问题按严重级别、文件、行号、证据和修复建议结构化输出，并将审查任务、拦截记录、监控摘要和结果写入数据库或可替代的持久化存储。
具体要求
系统至少包含以下能力：
1.CR Skill：提供一个 code-review Skill，包含 SKILL.md、规则文档、脚本目录和使用说明。规则至少覆盖安全风险、异步错误、资源泄漏、测试缺失、敏感信息泄漏、数据库事务或连接生命周期问题中的 4 类。
2.沙箱执行：支持通过 Container 或 Cube/E2B workspace runtime 执行静态检查脚本、单元测试、diff 解析脚本或自定义规则脚本；本地环境只能作为开发 fallback，不能作为默认生产方案。
3.输入解析：支持读取 unified diff、文件路径列表或 git 工作区变更，提取变更文件、hunk、上下文和候选行号。
4.结构化审查结果：输出 findings，字段至少包含 severity、category、file、line、title、evidence、recommendation、confidence、source。
5.数据库存储：设计并实现最小 schema，用于保存 review task、input diff 摘要、sandbox run、finding、最终报告。可以使用 SQLite 作为默认实现，但接口应保留切换 SQL 后端的空间。
6.去重和降噪：同一文件同一行同一类问题不能重复报；低置信度问题应进入 warnings 或 needs_human_review，不能混入高置信 findings。
7.安全边界：沙箱执行需要有超时、输出大小限制、环境变量白名单、敏感信息脱敏和失败记录。
8.Filter 治理：对高风险脚本、禁止路径、非白名单网络访问、超预算执行进行前置拦截，并把拦截原因写入审查报告和数据库。
9.监控审计：记录每次 review 的总耗时、沙箱执行耗时、工具调用次数、拦截次数、finding 数量、各 severity 分布、异常类型分布。
输入输出要求：
●输入支持 --diff-file、--repo-path 或测试 fixture。
●输出 review_report.json 和 review_report.md。
●数据库中可查询每次 review 的任务状态、执行日志摘要、Filter 拦截记录、监控摘要、findings 和最终结论。
●支持 dry-run / fake model 模式，保证没有真实模型 API Key 时也能测试解析、沙箱和落库链路。
交付物
●新增示例目录，例如 examples/skills_code_review_agent/。
●skills/code-review/SKILL.md、规则文档、沙箱执行脚本和 Agent 入口。
●数据库 schema、存储实现和迁移或初始化脚本。
●至少 8 条测试样例：无问题 diff、安全问题、异步资源泄漏、数据库连接生命周期问题、测试缺失、重复 finding、沙箱执行失败、敏感信息脱敏。
●review_report.json 示例输出和 README。
●一份 300 – 500 字方案设计说明，解释 Skill 设计、沙箱隔离策略、Filter 策略、监控字段、数据库 schema、去重降噪和安全边界。
验收标准
1.公开提供的 8 条 diff 样本必须全部可运行并生成审查报告。
2.隐藏样本上高危问题检出率 ≥ 80%，误报率 ≤ 15%。
3.数据库必须能完整记录 task、sandbox run、finding 和 report，并支持按 task id 查询。
4.沙箱执行必须具备超时控制和输出大小限制；超时或失败不能导致整个评审任务崩溃。
5.敏感信息脱敏检出率 ≥ 95%，报告和数据库中不能出现明文 API Key、token、password。
6.dry-run / fake model 模式下完整评审流程耗时 ≤ 2 分钟。
7.高风险脚本必须先经过 Filter 决策，deny / needs_human_review 不能直接进入沙箱执行。
8.报告必须包含 findings 摘要、严重级别统计、人工复核项、Filter 拦截摘要、监控指标、沙箱执行摘要和可执行修复建议。
本issue为2026犀牛鸟开源人才培养活动专属issue，仅供已报名参与犀牛鸟活动的同学认领
【认领时间】7月1日～7月31日（7月1日前认领视为无效❗）
【认领方式】在本issue评论区回复“已认领本任务”，即视为认领成功
【活动报名】需提前完成犀牛鸟报名问卷，问卷将用于活动登记和奖励发放：https://wj.qq.com/s2/26888567/gh2q
背景和价值
tRPC-Agent 的 Skill 体系可以把可复用工作流封装为 SKILL.md、文档和脚本，并通过 skill_load、skill_run 在隔离 workspace 中执行。CodeExecutor 支持本地、容器和 Cube/E2B 沙箱，Session / Memory / SQL 存储可以持久化审查任务、代码片段、诊断结果和历史经验，Filter 和 Telemetry 可以记录审查链路中的拦截、耗时、异常和风险分布。把这些能力组合起来，可以构建一个面向真实工程场景的自动 CR Agent：读取 diff，识别风险，必要时在沙箱中运行静态检查或测试，把结论结构化落库，并支持后续评测、监控和回放。
该题难点在于它不是“让 LLM 评论代码”，而是要把 Skills、沙箱执行、数据库、Filter 治理、审查规则、结果结构化、监控审计和安全边界串成一个可验证系统。不同贡献者可以在规则引擎、沙箱策略、数据库 schema、评审指标、Filter 策略和 Agent 编排方式上采用不同方案。
任务描述
设计并实现一个自动代码评审 Agent 原型。输入一个 git diff、PR patch 或本地变更目录，Agent 通过代码评审 Skill 加载规则和脚本，在 Filter 策略允许后进入沙箱执行必要检查，把发现的问题按严重级别、文件、行号、证据和修复建议结构化输出，并将审查任务、拦截记录、监控摘要和结果写入数据库或可替代的持久化存储。
具体要求
系统至少包含以下能力：
1.CR Skill：提供一个 code-review Skill，包含 SKILL.md、规则文档、脚本目录和使用说明。规则至少覆盖安全风险、异步错误、资源泄漏、测试缺失、敏感信息泄漏、数据库事务或连接生命周期问题中的 4 类。
2.沙箱执行：支持通过 Container 或 Cube/E2B workspace runtime 执行静态检查脚本、单元测试、diff 解析脚本或自定义规则脚本；本地环境只能作为开发 fallback，不能作为默认生产方案。
3.输入解析：支持读取 unified diff、文件路径列表或 git 工作区变更，提取变更文件、hunk、上下文和候选行号。
4.结构化审查结果：输出 findings，字段至少包含 severity、category、file、line、title、evidence、recommendation、confidence、source。
5.数据库存储：设计并实现最小 schema，用于保存 review task、input diff 摘要、sandbox run、finding、最终报告。可以使用 SQLite 作为默认实现，但接口应保留切换 SQL 后端的空间。
6.去重和降噪：同一文件同一行同一类问题不能重复报；低置信度问题应进入 warnings 或 needs_human_review，不能混入高置信 findings。
7.安全边界：沙箱执行需要有超时、输出大小限制、环境变量白名单、敏感信息脱敏和失败记录。
8.Filter 治理：对高风险脚本、禁止路径、非白名单网络访问、超预算执行进行前置拦截，并把拦截原因写入审查报告和数据库。
9.监控审计：记录每次 review 的总耗时、沙箱执行耗时、工具调用次数、拦截次数、finding 数量、各 severity 分布、异常类型分布。
输入输出要求：
●输入支持 --diff-file、--repo-path 或测试 fixture。
●输出 review_report.json 和 review_report.md。
●数据库中可查询每次 review 的任务状态、执行日志摘要、Filter 拦截记录、监控摘要、findings 和最终结论。
●支持 dry-run / fake model 模式，保证没有真实模型 API Key 时也能测试解析、沙箱和落库链路。
交付物
●新增示例目录，例如 examples/skills_code_review_agent/。
●skills/code-review/SKILL.md、规则文档、沙箱执行脚本和 Agent 入口。
●数据库 schema、存储实现和迁移或初始化脚本。
●至少 8 条测试样例：无问题 diff、安全问题、异步资源泄漏、数据库连接生命周期问题、测试缺失、重复 finding、沙箱执行失败、敏感信息脱敏。
●review_report.json 示例输出和 README。
●一份 300 – 500 字方案设计说明，解释 Skill 设计、沙箱隔离策略、Filter 策略、监控字段、数据库 schema、去重降噪和安全边界。
验收标准
1.公开提供的 8 条 diff 样本必须全部可运行并生成审查报告。
2.隐藏样本上高危问题检出率 ≥ 80%，误报率 ≤ 15%。
3.数据库必须能完整记录 task、sandbox run、finding 和 report，并支持按 task id 查询。
4.沙箱执行必须具备超时控制和输出大小限制；超时或失败不能导致整个评审任务崩溃。
5.敏感信息脱敏检出率 ≥ 95%，报告和数据库中不能出现明文 API Key、token、password。
6.dry-run / fake model 模式下完整评审流程耗时 ≤ 2 分钟。
7.高风险脚本必须先经过 Filter 决策，deny / needs_human_review 不能直接进入沙箱执行。
8.报告必须包含 findings 摘要、严重级别统计、人工复核项、Filter 拦截摘要、监控指标、沙箱执行摘要和可执行修复建议。
本issue为2026犀牛鸟开源人才培养活动专属issue，仅供已报名参与犀牛鸟活动的同学认领
【认领时间】7月1日～7月31日（7月1日前认领视为无效❗）
【认领方式】在本issue评论区回复“已认领本任务”，即视为认领成功
【活动报名】需提前完成犀牛鸟报名问卷，问卷将用于活动登记和奖励发放：https://wj.qq.com/s2/26888567/gh2q