adversarial-review

在代码审查中，单一视角的评审者往往受限于自身盲区——写代码的人看不到自己的缺陷，而泛泛的 AI 审查又容易把风格问题与真正的缺陷混为一谈。adversarial-review 针对这一问题，采用对抗式多视角策略：将审查拆分为正确性、安全性、可维护性等独立方向，各视角并行攻击代码变更，互不干扰，再由仲裁层合并、去重、按确定性公式计算严重等级，最终输出一份可追溯到具体检查项的报告。整个流程严格只读，绝不修改代码。

插件内置 16 类确定性静态规则（硬编码凭据、SQL 拼接、禁用 TLS 验证等）作为模型失效时的保底检测，并支持抑制规则避免同类问题反复报告、审查历史（docket）对增量变更做指纹比对、可选的深度审查阶段逐条质疑候选发现。所有评分完全确定性：相同输入永远得到相同结论。

这套工具适合在合并前、重构后需要结构化审查的团队与个人开发者，也可作为 CI 流水线中的质量门禁。独立 CLI 零第三方运行时依赖，兼容任何 OpenAI Chat Completions 协议的模型服务；同时提供 DeepSeek Harness 插件入口，模型可在会话中直接调用 gavel_review 工具，无需人工介入。