メインコンテンツまでスキップ

River Review

レビューを、組織の判断資産へ。

River Review は、AI 支援開発のレビュー基準を versioned / repo-owned な Skill としてコード化する OSS フレームワークです。Claude Code / Codex のローカルレビューから GitHub Actions の PR 後レビューまで、同じ判断基準を使えます。

30 秒でわかる River Review​

PR 前にローカルでノイズを落とし、PR 後にチーム共通の基準で再確認する。
AI は findings と判断材料を出し、GO / NO-GO や最終承認は人間・呼び出し側が担います。

最速で試す​

Claude Code​

/plugin marketplace add s977043/river-review
/plugin install river-review@river-review-marketplace
/reload-plugins
/river-review:review-local

通常のプラグイン利用では River Review 用の追加 LLM API キーは不要です。Claude Code 自身のモデルが Skill を適用します。

Codex​

codex plugin marketplace add s977043/river-review

マーケットプレイス追加後、River Review の専門 review skill を Codex から利用できます。詳細は クイックスタート を参照してください。

何が変わるのか​

同じ「エラーハンドリングを見る」でも、汎用的な指示だけでは指摘が抽象的になりやすく、チーム内で採否を再判断するコストが残ります。River Review では Skill が 対象・根拠・重要度・false-positive 回避条件を持ちます。

  • 抽象的な指摘を具体化: logging-observability は差分位置を示し、例外の握りつぶし・観測可能性・修正案を finding として返す。
  • 観点の揺れを抑える: fixture + golden output で期待挙動を固定し、回帰 Eval で変更を検証する。
  • 不要な指摘を抑える: confidence / severity / suppression memory / review coverage でノイズを管理する。

実例は 代表スキルのショーケース で fixture と期待出力まで確認できます。

導入後に使える品質・運用機能​

River Review には、チーム導入で必要になる次の土台があります。

  • Skill の品質維持: fixture + golden output、回帰 Eval、per-skill false-positive 評価。
  • ノイズ抑制: severity（critical / major / minor / info）、confidence、suppression memory、review coverage。
  • 複数レビューの整理: consensus、Team Lead synthesis、blind spots。
  • 運用計測: Run store、回帰比較、usage telemetry、コスト見積もり、ダッシュボード。
  • 導入判断: 競合比較、既知の制限、FAQ。

まず既存の Skill と計測機能を使い、実データで不足が見えた判断だけを追加 Skill としてコード化するのが推奨です。

コンセプトを理解する​

ドキュメントの構成​

River Review の公式ドキュメントは Diátaxis に沿って整理しています。

  • Tutorials: 最初の成功体験を作るステップバイステップ。
  • Guides: 特定のゴールを達成するための手順。
  • Reference: CLI / Schema / Output contract などの仕様。
  • Explanation: 背景・設計判断・概念。

日本語をソース・オブ・トゥルースとし、英語版は対応する .en.md で管理します。English docs も利用できます。