让贵模型只动脑、便宜模型只动手的代码审计利器 | improve

📌 项目地址：shadcn/improve | ⭐ 10,646 颗星

AI 编程工具大多走“一个 agent 全包”的路线，从理解需求到写代码到测试，一个模型干到底。shadcn/improve（目前一万多 star，截至发稿）反着来：它只做审计和写计划，一行实现代码都不碰。

分工很简单：

你          →  /improve                    (贵模型，负责判断和写方案)
plans/       →  001-fix-n-plus-one.md       (自包含的规格文档)
其他 agent  →  实现、测试、上线              (便宜模型，负责执行)

背后的账是这样的：写代码这件事，便宜模型已经够用；真正吃智力的是理解整个代码库、判断哪些事值得做、写出精确的规格。这些环节的判断质量会传导到后面所有执行，所以值得花大钱。计划本身就是产品。

装上就能用

npx skills add shadcn/improve

任何支持 Agent Skills 格式的 agent 都能跑。产出的计划是纯 markdown，任何 agent 能接手，你自己照着改也行，不存在锁定。

命令族按场景分了几档：

/improve                        完整审计 → 优先级排序的发现 → 计划
/improve quick                  便宜模式：只看热点和最重要的发现
/improve deep                   穷尽式：每个包、每个类别
/improve security               专项审计（还有 perf、tests、bugs 等）
/improve branch                 只审计当前分支的改动
/improve next                   功能建议：项目下一步往哪走
/improve plan                   跳过审计，直接为某件事写规格
/improve review-plan            批判和收紧已有计划
/improve execute                派遣便宜模型执行，并审查其工作
/improve reconcile              刷新任务积压：验证、解锁、废弃

加 --issues 可以把计划同步发布为 GitHub issue。

一次完整流程长什么样

1. 在仓库里打开你的 agent，跑 /improve（想省钱就跑 /improve quick）。
2. 它先映射仓库结构，然后审计，最后给你一张发现表。你挑想要的，比如回复 “plan 1, 3 and 5”。
3. 计划落在 plans/ 目录，一个文件一份，附带推荐执行顺序的索引。README 特意强调这些计划是给人审的，不是生成完直接跑。
4. 把计划交给任意 agent（”implement plans/001-*.md”），或者用 /improve execute 001 让 skill 自己派活：它会在隔离的 worktree 里调一个更便宜的模型执行，然后对照计划审查 diff，给出结论。合不合并由你决定。
5. 下次会话跑 /improve reconcile 清理积压：已落地的验证掉，跑偏的刷新，卡住的解锁。

提 PR 前跑 /improve branch，同样的流程，范围只限当前分支的改动。

发现表长什么样

对 shadcn/ui 跑了一次，回来的东西大概是这样：

| # | Finding                                        | Category  | Effort | Confidence |
|---|------------------------------------------------|-----------|--------|------------|
| 1 | shadow-config duplicated in search.ts/view.ts, | tech-debt | M      | HIGH       |
|   | copies already drifted (TODO at search.ts:31)  |           |        |            |
| 2 | O(n²) icon migration (migrate-icons.ts:1...     | perf      | ...    | ...        |

每条发现带类别、工作量估计、置信度，还有具体文件位置。你可以据此判断哪些值得排进计划，哪些先放着。

我觉得值得琢磨的地方

这个项目最有意思的不是审计功能，而是它把“想清楚”和“做出来”明确拆开了。贵的模型只出现在判断环节，执行环节的模型随时可以换，反正计划是自包含的 markdown。就算你不用这个工具，这个成本结构也值得套到自己现在的 AI 编程开销上算一算：你付贵模型的钱，有多少花在了本该便宜模型干的活上？

几个实际使用时要想清楚的点：

• 它不做实现。如果你的环境里没有第二个能干活的 agent，/improve execute 走不通，但你仍然可以自己照计划改代码。
• 计划写出来就是给人审的。AI 生成的计划直接盲跑有风险，审这一步不该省。
• /improve deep 在大型 monorepo 上token 开销不会小。日常从 quick 或 branch 用起比较稳。