Linux 内核专家 Chris Mason 编写的 AI 辅助代码审查提示词，可加速 Linux 内核与 systemd 补丁审查流程。只需通过 bash 脚本即可轻松安装，然后在 Claude 等工具中使用 /kreview、/kdebug 等斜杠命令。这些命令会自动加载项目上下文，将大型差异拆分为子任务，Token 成本降低 40%–60%，并能发现更多漏洞。
使用收益：
- 代码审查速度提升 30%–50%
- 降低成本、减少疲惫感
- 在不替代人工审查的前提下提升代码质量
支持 GPT-4、Claude 等模型，搭配 semcode 导航效果最佳。
有些项目你第一眼看上去，会觉得它“很简单”，甚至简单到有点不值一提——没有复杂的架构，没有炫技的 UI，也没有一堆自动化流水线。但真正用起来之后，你会发现，它悄悄改变的是你思考代码的方式。
review-prompts 就是这样一个项目。
它的作者是 Chris Mason，一个长期参与 Linux 内核开发的人。所以这个项目一开始就带着一种很明显的气质：不是教你“怎么写代码”，而是教你怎么怀疑代码。
很多人用 AI 的方式，其实都差不多：写代码、补全代码、改 bug。但很少有人认真去想一件事——AI 能不能帮你做“代码审查”？而且不是那种温和的建议，而是接近内核社区那种风格的审查：直接、严格、甚至有点不留情面。
这个项目做的事情，本质上很克制。它没有试图构建一个复杂的系统，没有去实现自动 diff 分析，也没有包装成一个完整的 agent。它只是提供了一组已经打磨好的 prompt，比如 /kreview、/kdebug 这样的命令，本质就是一段段“角色设定 + 审查策略”。
但关键点在于，这些 prompt 的写法，和你平时随手问 AI 的方式完全不一样。
你平时可能会问：“这段代码有没有问题？”
AI 通常会给你一个还算礼貌、甚至偏保守的回答。
而在这个项目里，问题会被改写成另一种形式——更像真实世界里的代码评审：
请作为一个长期维护复杂系统的工程师，找出这段改动中最可能引发问题的地方，包括边界条件、性能退化以及潜在的并发风险。
仅仅是这个角度的变化，输出质量就会发生很明显的变化。
你会开始看到一些平时容易忽略的东西，比如：
- 某个分支在极端输入下会崩
- 某个改动引入了不必要的锁竞争
- 某段逻辑在长期维护中会变得难以理解
这些并不是 AI“更聪明了”，而是你把它放在了一个更合适的位置。
这也是这个项目真正有意思的地方。它没有试图让 AI 变成“更强的程序员”，而是让 AI 更像一个你平时很难拥有的角色：一个愿意不断质疑你的 reviewer。
如果你写过一点项目，尤其是多人协作，你大概会知道，好的代码评审其实很稀缺。很多 review 要么流于形式，要么因为时间压力变成“看一眼就过”。久而久之，代码质量不是一下子崩掉，而是慢慢变得不可控。
而 review-prompts 提供的是一种“低成本模拟”：你可以在本地、在提交之前，就让 AI 扮演那个最严格的 reviewer，把问题提前暴露出来。
它甚至会在某种程度上改变你的写代码方式。因为当你习惯在提交前“被挑刺”，你会开始在写代码的时候就提前思考：
- 这个函数的边界在哪里？
- 有没有隐藏的副作用？
- 如果我是 reviewer，我会骂哪一段？
这种思维，本身就是内核开发那一类工程文化的核心。
当然，这个项目也有很多被误解的地方。有人会把它描述成一个“自动化代码审查系统”，甚至说它可以自动拆分 diff、降低 token 成本多少多少。实际上，这些都不是它本身在做的事情。它没有复杂的工程能力，它也不是一个完整的 agent。
它更接近一件很朴素的工具：
一组把“如何提问 AI”这件事做到更专业的 prompt。
但正因为它简单，它反而更容易被嵌入到你自己的工作流里。
比如你现在在做一些 AI 项目、自动化流程，或者写博客、做视频，其实都可以用同一套思路：在“生成内容”之后，加一道“审查”的步骤。让 AI 去找问题，而不是只负责产出。
写完一篇文章，你可以让它从“读者会不会无聊”的角度去批判。
设计一个 Agent 流程，你可以让它从“失败路径”的角度去拆解。
甚至你在做物理学习时，也可以让它专门找你推导中的漏洞。
当你把 AI 从“创作者”转成“审查者”的那一刻，它的价值其实才开始放大。
review-prompts 做的事情，说到底很简单，但它提醒了一件容易被忽略的事：
真正拉开差距的，不是你能写多少代码，而是你能不能发现哪些代码不该那样写。
而这个能力，本来很依赖经验。但现在，你多了一个可以随时调用的“外部大脑”，前提是——你得学会用对方式去问它。
Github：https://github.com/masoncl/review-prompts
油管：https://youtu.be/Y7Q95NcMcYY