Code Review Checklist logo

Code Review Checklist

CommunityPopular
mohitagw15856
code-review-checklist

Genera un checklist de revisión de código personalizado para cualquier pull request basado en el lenguaje, tipo de cambio y nivel de riesgo. Úsalo cuando te pidan revisar código, verificar un PR, revisar un pull request o generar un checklist de revisión de código. Produce un checklist enfocado con verificaciones específicas del lenguaje, profundidad apropiada al nivel de riesgo y una recomendación clara de aprobar o solicitar cambios.

Overview

Publishermohitagw15856
Repositorypm-claude-skills
Skill namecode-review-checklist
Stars
1.4K
Forks
257
Bundled files
Instructions only
LicenseMIT
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • Self-contained

    Everything the model needs lives in the instructions — no extra files to sync.

  • Open source

    Published by mohitagw15856 on GitHub. Read the source before you install it.

Installation

Install the Code Review Checklist AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/mohitagw15856/pm-claude-skills/tree/main/i18n/es/skills/code-review-checklist
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/mohitagw15856/pm-claude-skills.git /tmp/pm-claude-skills
mkdir -p .claude/skills
cp -r /tmp/pm-claude-skills/i18n/es/skills/code-review-checklist .claude/skills/code-review-checklist
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Code Review Checklist in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Code Review Checklist on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Code Review Checklist is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

Habilidad de Checklist de Revisión de Código

Produce un checklist de revisión de código personalizado para un pull request específico — escalado al lenguaje, tipo de cambio y nivel de riesgo. No es una plantilla genérica.

¿No es exactamente esto? Usa code-review-guide cuando quieras realizar la revisión en sí con criterio senior, no solo un checklist.

Entradas Requeridas

Trabaja con lo que se proporciona. Si falta alguna de estas, aún así produce el resultado completo: completa cada vacío con una suposición razonable marcada (supuesto, confirma) y lista esas suposiciones al final. Haz una pregunta solo cuando el tema central mismo falte (no hay nada sobre qué escribir).

  • Lenguaje y framework (p. ej. TypeScript + React / Python + FastAPI / Go)
  • Tipo de cambio (feature / bug fix / refactor / dependency upgrade / security patch / performance)
  • Nivel de riesgo (bajo / medio / alto / crítico)
  • Descripción del PR (pega la descripción o enlaza al PR)
  • Código o diff (opcional — pega archivos clave modificados o un git diff; mejora significativamente la especificidad del checklist)
  • Contexto del autor (nuevo en el equipo / experimentado / colaborador externo)

Formato de Salida


Revisión de Código: [Título o Referencia del PR]

1. Descripción General del PR

Evaluación del alcance: [Pequeño / Medio / Grande / Demasiado grande — debería dividirse] Profundidad de revisión recomendada: [Rápida / Estándar / Análisis profundo] Tiempo estimado de revisión: [p. ej. 20–30 min — usa aproximadamente 5 min por cada 50 líneas de diff como guía]

2. Verificaciones de Corrección

Verificaciones de corrección específicas del lenguaje — elige basándote en el lenguaje indicado:

Para TypeScript/JavaScript:

  • Las definiciones de tipo coinciden con el uso real
  • Sin any implícito en código que no sea de prueba
  • Async/await utilizado consistentemente; sin promesas sin manejar
  • Manejo explícito de null/undefined

Para Python:

  • Type hints presentes en funciones públicas
  • Manejo de excepciones específico (sin except desnudo)
  • Los recursos se cierran (context managers, bloques with)

Para Go:

  • Los errores se manejan o se ignoran explícitamente con un comentario
  • La propagación de contexto es correcta
  • Los tiempos de vida de las goroutines están acotados

[Incluye solo la sección que coincida con el lenguaje indicado]

3. Verificaciones Específicas del Tipo de Cambio

Para corrección de bugs:

  • Existe una prueba que habría detectado este bug
  • La corrección aborda la causa raíz, no el síntoma
  • Se verificaron rutas de código relacionadas para el mismo problema

Para features:

  • Se cumplen los criterios de aceptación
  • Se manejan casos extremos (vacío, grande, concurrente)
  • Las rutas de error se prueban, no solo el caso de éxito
  • Se agregó telemetría/logging para debugging

Para refactors:

  • El comportamiento no cambia (las pruebas aún pasan)
  • Sin scope creep — solo refactor
  • La complejidad se reduce, no solo se mueve

Para actualizaciones de dependencias:

  • Se revisaron los cambios de ruptura
  • Se verificaron los avisos de seguridad
  • Se verificó la compatibilidad de licencias

[Incluye solo la sección que coincida con el tipo de cambio indicado]

4. Verificaciones Apropiadas al Nivel de Riesgo

Riesgo bajo: corrección básica, convenciones de estilo, cobertura de pruebas Riesgo medio: arriba + plan de reversión, actualizaciones de monitoreo, consideraciones de rendimiento Riesgo alto: arriba + implicaciones de seguridad, seguridad de migración de datos, feature flag/despliegue gradual Riesgo crítico: arriba + plan de validación en staging, plan de respuesta ante incidentes, checklist de verificación posterior al despliegue

5. Adecuación de Pruebas

  • Las pruebas unitarias cubren la lógica nueva
  • Las pruebas de integración cubren los cambios de contrato
  • Se prueban casos extremos
  • Se prueban modos de fallo
  • Pruebas de rendimiento si es sensible al rendimiento

6. Marco de Decisión de Revisión

Aprobar si: [2-3 condiciones específicas basadas en este PR] Solicitar cambios si: [Bloqueadores específicos] Comentar (no bloqueante) si: [Elementos dignos de discusión pero no bloqueantes para merge]

7. Trampas Comunes para Este Tipo de Cambio

Basándote en el tipo de cambio y lenguaje, señala 2-3 cosas que los revisores típicamente pasan por alto para esta combinación.


Materiales Más Profundos

Esta habilidad viene con archivos de apoyo — úsalos cuando estén disponibles:

  • references/review-depth-calibration.md — Calibrando la Profundidad de Revisión: No Todos los PR Merecen los Mismos Ojos. Aplícalo mientras produces el resultado; contiene la calibración y decisiones de criterio que el resumen del método anterior comprime.
  • templates/review-record.md — una versión para rellenar del resultado con los gates de calidad en línea. Ofrécela cuando el usuario quiera trabajar el documento por sí mismo en lugar de tenerlo generado.

Rúbrica de Puntuación (0–40)

Puntúa cualquier resultado de esta habilidad antes de entregarlo; 32+ es calidad de envío.

Dimensión0510
Especificidad del lenguajeLas verificaciones podrían aplicarse a cualquier lenguaje — intercambiar un nombre de lenguaje no cambiaría nadaSe elige el bloque de lenguaje correcto, pero las verificaciones repiten la plantilla en lugar de los constructos de este PRCada verificación de corrección nombra un constructo que realmente está en el diff (goroutines, cadenas de promesas, context managers)
Calibración de profundidad-riesgoMisma profundidad independientemente del nivel de riesgo indicadoLa profundidad se escala aproximadamente, pero los extras de alto riesgo (plan de reversión, despliegue por fases, monitoreo) faltan o son tokenistasLa profundidad coincide exactamente con el riesgo indicado y la estimación de tiempo de revisión sigue la guía de tamaño de diff
Nitidez del marco de decisión"Aprobar si se ve bien" — sin condiciones nombradasSe enumeran bloqueadores pero no son verificables; un revisor no puede decir cuándo están satisfechosCada condición de aprobación/bloqueo/comentario es verificable contra una prueba, bandera, métrica o artefacto específico
Especificidad de trampaTrampas ausentes o genéricas ("cuidado con los bugs")Las trampas coinciden con el lenguaje o el tipo de cambio, pero no con la combinación2–3 trampas que solo tienen sentido para esta combinación exacta de lenguaje + tipo de cambio

Verificaciones de Calidad

  • El checklist está personalizado al lenguaje indicado (no genérico)
  • Se incluye la sección específica del tipo de cambio
  • La profundidad apropiada al riesgo coincide con el nivel de riesgo indicado
  • El marco de decisión incluye al menos una condición de bloqueo nombrada y una condición de comentario no bloqueante nombrada
  • Las trampas comunes son específicas de la combinación lenguaje + tipo de cambio indicada (no consejos genéricos como "cuidado con los bugs")

Antipatrones

  • No generes un checklist genérico que ignore el lenguaje indicado — un checklist de Python y uno de Go tienen preocupaciones de corrección fundamentalmente diferentes
  • No trates "se ve bien" como un resultado válido de revisión — el checklist existe para surfacear preocupaciones específicas, no para validar una lectura superficial
  • No delimites una revisión de "riesgo alto" igual que una de "riesgo bajo" — la profundidad debe escalar con el nivel de riesgo indicado
  • No señales cada preferencia estilística como un problema de bloqueo — distingue entre problemas de corrección bloqueantes y comentarios no bloqueantes
  • No omitas la sección "trampas comunes" para la combinación de lenguaje y tipo de cambio indicada — aquí es donde vive el conocimiento más valioso

Ejemplos de Uso

  • "Genera un checklist de revisión de código para [descripción del PR]"
  • "¿Qué debo verificar en este pull request?"
  • "Dame un checklist de revisión de código para un [lenguaje] [tipo de cambio]"
  • "Checklist de revisión para un PR de riesgo alto en [lenguaje]"

Frases Desencadenantes de Ejemplo

  • "Revisa código."
  • "Verifica un PR."
  • "Revisa un pull request."
  • "Genera un checklist de revisión de código."

Frequently asked questions

What does the Code Review Checklist AI skill do?

Genera un checklist de revisión de código personalizado para cualquier pull request basado en el lenguaje, tipo de cambio y nivel de riesgo. Úsalo cuando te pidan revisar código, verificar un PR, revisar un pull request o generar un checklist de revisión de código. Produce un checklist enfocado con verificaciones específicas del lenguaje, profundidad apropiada al nivel de riesgo y una recomendación clara de aprobar o solicitar cambios.

Why use Code Review Checklist on TypingMind?

Because you install it once and use it with any model. Code Review Checklist is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Code Review Checklist in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/mohitagw15856/pm-claude-skills/tree/main/i18n/es/skills/code-review-checklist. TypingMind reads its SKILL.md and installs it as a skill you can enable per chat.

Which AI models can use Code Review Checklist?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Code Review Checklist?

As many as you like. As long as a model supports skills, you can use Code Review Checklist with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Code Review Checklist AI skill free?

Yes. It is published on GitHub by mohitagw15856 under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇