AI Diff Reviewer ऐड-ऑन
हर Deep Work Plan एक ही तरह समाप्त होता है: एक अनिवार्य Final Review, जो काम को पूरा कहे जाने से पहले उस योजना के संचित सम्पूर्ण परिवर्तन-समुच्चय को पढ़ता है। उसके भीतर की सुरक्षा-जाँच वह अंतिम बिंदु है जहाँ कुछ भी पकड़ा जा सकता है। सहायता के बिना उस क्षण का एकमात्र पाठक वही agent होता है जिसने वह कोड लिखा था।
यह ऐड-ऑन उसी diff पर एक दूसरा पाठक बिठा देता है। यह AI Diff Reviewer को — मार्केटप्लेस पर “AI Diff Reviewer” के नाम से सूचीबद्ध, वर्तमान रिलीज़ v3.3.12 — सुरक्षा-जाँच से जोड़ता है, जहाँ वह गद्य के बजाय कुछ संरचित लौटाता है: एक निर्णय, निष्कर्षों की एक तालिका, और हर निष्कर्ष के लिए एक गंभीरता। v3 से, कोई critical निष्कर्ष यह दर्शाता है कि ऐड-ऑन के वेरिफ़ायर ने उसे कोड-आधारित दूसरी मॉडल कॉल से पुष्ट किया है; केवल सत्यापित गंभीर निष्कर्ष तब तक समापन रोक देते हैं जब तक उन्हें ठीक न किया जाए या स्पष्ट रूप से स्वीकार न कर लिया जाए। यह समीक्षा एक द्वार है, टिप्पणी नहीं।
संस्करण 2.3.0 से वह स्थानीय समीक्षा आधार-रेखा का हिस्सा है, कोई अतिरिक्त वस्तु नहीं। ऑनबोर्डिंग उसे इंस्टॉल करती है; हर Final Review उसे चलाता है। वैकल्पिक जो बचता है वह है CI सतह — Flow B, जहाँ वही समीक्षा GitHub Action के माध्यम से pull requests को नियंत्रित करती है।
जो सीमा इसे निश्चिंत होकर अपनाने योग्य बनाती है, वह जानबूझकर संकरी रखी गई है। समीक्षक एक MIT-लाइसेंस प्राप्त, tag पर स्थिर की गई skill है, जिसे वही coding agent चलाता है जिसे आप पहले से उपयोग कर रहे हैं — इसलिए Deep Work Plan का कोई भी प्रवाह किसी व्यावसायिक सेवा, CI प्रदाता या secret पर निर्भर नहीं करता। Flow A (केवल स्थानीय) वह है जो हर ऑनबोर्ड किया गया रिपॉज़िटरी पाता है; Flow B स्पष्ट रूप से प्रस्तावित किया जाता है और बिना माँगे कभी इंस्टॉल नहीं होता। डेवलपर समीक्षक को पूरी तरह अस्वीकार भी कर सकता है — वह अस्वीकृति एक घोषित अपवाद के रूप में दर्ज होती है, और जब तक वह इंस्टॉल न हो जाए, verify उस बिंदु पर रिपॉज़िटरी को गैर-अनुरूप बताता रहता है।
कब उपयोग करें
| संकेत | कार्रवाई |
|---|---|
| हर ऑनबोर्ड किया गया रिपॉज़िटरी | ऑनबोर्डिंग के Phase 7a में Flow A इंस्टॉल होता है (vendored skill + .review/extension.md); एक targeted harness upgrade इसे पहले ऑनबोर्ड हुए रिपॉज़िटरीज़ में जोड़ता है |
| टीम संरचित निष्कर्षों वाला CI PR मर्ज गेट चाहती है | Flow B प्रस्तावित करें — स्पष्ट opt-in, कभी डिफ़ॉल्ट नहीं |
| व्यक्तिगत या प्रयोगात्मक रिपॉज़िटरी; स्थानीय समीक्षा काफ़ी है | Flow A पर रहें — आधार-रेखा पूर्ण है |
दो अपनाने के प्रवाह
| प्रवाह | आपको क्या मिलता है |
|---|---|
| A — केवल स्थानीय (आधार-रेखा) | vendored skill + आवश्यक .review/extension.md (generate-extension के माध्यम से)। हर Final Review की सुरक्षा-जाँच के भीतर स्थानीय समीक्षा चलाता है। कोई GitHub Actions वर्कफ़्लो नहीं। |
| B — दोहरी सतह | Flow A के साथ setup समीक्षा वर्कफ़्लो लिखता है (Action @v3), स्थानीय और CI के लिए एक ही एक्सटेंशन फ़ाइल। CI निष्कर्ष पोस्ट करने के बाद वैकल्पिक apply-review और address-review साथी। |
स्थानीय समीक्षा के संसूचन के लिए इनमें से किसी एक स्थान पर skill + एक्सटेंशन फ़ाइल आवश्यक है: .review/extension.md, .github/ai-diff-reviewer/extension.md, या .github/ai-pr-reviewer/extension.md। केवल skill पर्याप्त नहीं है।
यह ऐड-ऑन क्या जोड़ता है (जानबूझकर सीमित)
DWP ऐड-ऑन समीक्षक को दोबारा नहीं बनाता। यह इंस्टॉल, पद्धति, CI विज़ार्ड, एक्सटेंशन लेखन, PR ड्राफ़्टिंग और CI-उपरांत समीक्षा लूप को अपस्ट्रीम skill के छह sub-skills को सौंपता है (parent default flow, generate-extension, setup, open-pr, apply-review, address-review)।
आवश्यक स्थानीय समीक्षा
create हर Final Review की सुरक्षा-जाँच में स्थानीय समीक्षा चरण जोड़ता है और execute उसे चलाता है। आउटपुट plan-local analysis_results/SECURITY_REVIEW.md (plan के अपने folder के अंदर, repo root में कभी नहीं) में ## AI Diff Reviewer local review के अंतर्गत जोड़ा जाता है।
- समीक्षक अनुपस्थित — दर्ज, कभी चुपचाप नहीं छोड़ा जाता: अनुपस्थित skill या एक्सटेंशन एक दर्ज
local reviewer not installedनिष्कर्ष बन जाता है; Final Review skill मौजूद होने पर स्थानीय पास चलाता है, अन्यथा निष्कर्ष को पूर्णता रिपोर्ट में ले जाता है — इंस्टॉल onboarding की सहमति या addon की स्पष्ट invocation से संबंधित है, कभी अचानक बूटस्ट्रैप नहीं। - सॉफ़्ट-फ़ेल (केवल invocation): शुरू हो सकने वाली पर त्रुटि करने वाली समीक्षा → एक बार चेतावनी, दर्ज, जारी रखें; इस चूक के लिए कभी कार्य विफल न करें।
- पूर्ण पास के बाद का गेट: सत्यापित गंभीर निष्कर्ष ठीक या स्पष्ट रूप से स्वीकृत होने तक Final Review की पूर्णता को रोकते हैं (BC-07)। असत्यापित गंभीर दावे एनोटेटेड चेतावनी के रूप में आते हैं — दिखाई देते हैं, अवरोधित नहीं करते, जब तक
strict-unverified-criticals: trueदावा-आधारित गेटिंग बहाल न कर दे। अपनी टर्न सीमा (incomplete) या दीवार-घड़ी (timeout) समाप्त कर चुकी समीक्षा अवरोधक कठोरता के तहत एक स्वच्छ पास नहीं है (BC-04)।warning/infoदर्ज होते हैं पर अवरोधित नहीं करते। - Flow A को CI secret नहीं चाहिए। बिना सेट प्रदाता कुंजी को स्थानीय पास दबाने की अनुमति नहीं।
वैकल्पिक Flow B CI गेट
Action DailybotHQ/ai-diff-reviewer@v3, आमतौर पर लेबल-गेटेड (ready), ब्रांच सुरक्षा के लिए स्थिर नामित AI review gate जॉब और वैकल्पिक स्किप लेबल skip-review-label: skip-ai-review। v3 से समीक्षा बजट परिवर्तन की निश्चित जोखिम-स्तर का अनुसरण करता है — budget-profile: auto के तहत low से critical तक 8/20/30/40 टर्न (fixed संक्रमण काल में v3-पूर्व स्थिरांक बहाल करता है) — और कोई कोड न बदलने वाला push केवल-वेरिफ़ायर राउंड चलाता है। साझा prompt.md + एक्सटेंशन पद्धति और गंभीरता को संरेखित करते हैं; स्थानीय और CI पद्धति में समान रहते हैं, जबकि Iteration-Aware Review के तहत CI राउंड 2+ छोटे हो सकते हैं और स्थानीय पास पूर्ण रहता है।
वैकल्पिक समीक्षा साथी
CI द्वारा समीक्षा पोस्ट होने के बाद दो डेवलपर-invocable sub-skills लूप बंद करते हैं; कोई भी कभी प्लान टास्क फ़ाइल नहीं है (वह अनिवार्य अंतिम-कार्य क्रम तोड़ देगा)।
apply-reviewसहमति के साथ निष्कर्षों की एक-एक करके समीक्षा करता है (लागू करें / स्थगित करें / छोड़ें)। डिफ़ॉल्ट रूप से केवल पठन; कभी commit या push नहीं करता।address-review(v3.1.1 में नया) एक-आह्वान लूप है: शाखा के खुले PR ढूँढें, जाँचें कि समीक्षा वर्तमान head के लिए ताज़ा है, लागू/स्थगित/छोड़ें योजना के साथ निष्कर्ष प्रस्तुत करें, फिर — एक हाँ पर — लागू करें, छोटे Conventional Commits बैचों में commit करें, push करें, और उस तरह समीक्षक को फिर से सक्रिय करें जैसे repo उसे ट्रिगर करता है (लेबल-गेटेड → लेबल टॉगल करें; push-ट्रिगर्ड → नया रन पुष्ट करें)।apply-reviewके विपरीत, यह commit और push करता है; यही इस लूप का उद्देश्य है। समग्र ensemble समीक्षाओं पर यह समग्र दस्तावेज़ औरai-pr-reviewer-aggregateमार्कर पढ़ता है।- मशीन के लिए मार्ग संरचित आउटपुट है, समीक्षा-पाठ नहीं:
review-output/3.0दस्तावेज़ (.aiprr/review-output.json,structured-output-pathऔरstructured-output-sha256आउटपुट से स्थित) रन रिकॉर्ड, साक्ष्य और सत्यापन वाले निष्कर्ष, खंडन किए गए निष्कर्ष, और गेट ले जाता है। समीक्षा-पाठ जिसमेंRecommendation: approveलिखा हो, यह प्रमाण नहीं कि जाँच पास हुई — पहले ट्रैकिंग मार्कर के Highest severity / Strictness gate / Check status ब्लॉक को पढ़ें।
v3 में क्या बदला
2026-09-24 को तीन रिलीज़ आईं (v3.0.0, v3.0.1, v3.1.0) और v3.1.1 ने address-review sub-skill के साथ अनुसरण किया; इसके बाद v3.2.0 और v3.2.2 (2026-09-26) ने उस लूप को CI-सचेत बनाया और ऐसे PR को भी सक्रिय करने योग्य बनाया जिस पर समीक्षक कभी चला ही नहीं। इनमें से कोई भी यह नहीं बदलता कि यह ऐड-ऑन समीक्षक को कैसे जोड़ता है — Flow A, तीनों पहचान-पथ और कभी-अवरोध-नहीं की सीढ़ी वैसे ही हैं — लेकिन ये बदलते हैं कि अपनाने वाले को क्या मिलता है।
| बदलाव | DWP रिपॉज़िटरी के लिए इसका मतलब |
|---|---|
critical केवल सत्यापित होने पर प्रकाशित होता है (v3.0.0) |
हर गंभीर दावा — साथ ही 30 % चेतावनियों का नमूना — एक अलग मॉडल कॉल द्वारा दूसरी छोटी, कोड-आधारित जाँच पाता है (प्रति सत्यापित निष्कर्ष ≈ 3 k token, 10 सेकंड और $0.009)। सत्यापित गंभीर निष्कर्ष सुरक्षा-जाँच को गेट करते हैं; खंडित दावे एनोटेटेड चेतावनी के रूप में दृश्यमान रहते हैं और संरचित आउटपुट में सूचीबद्ध होते हैं, कभी इनलाइन पोस्ट नहीं होते। |
| बजट जोखिम-स्तर का अनुसरण करता है (v3.0.0) | budget-profile: auto के तहत परिवर्तन-सूची से व्युत्पन्न low से critical तक 8/20/30/40 टर्न। कोई कोड न बदलने वाला push −93 % लागत पर केवल-वेरिफ़ायर राउंड चलाता है। budget-profile: fixed v3-पूर्व 30-टर्न स्थिरांक बहाल करता है। |
| अधूरी समीक्षा लाल है (v3.0.0) | incomplete (टर्न सीमा) और timeout (दीवार-घड़ी) आंशिक निष्कर्ष पोस्ट करते हैं और अवरोधक कठोरता के तहत विफल होते हैं — “कोई निष्कर्ष नहीं” अब हमेशा यही मायने रखता है कि समीक्षक ने देखा और कुछ नहीं पाया। |
| संरचित आउटपुट मशीन के लिए मार्ग है (v3.0.0) | review-output/3.0 दस्तावेज़ रन रिकॉर्ड, परिवर्तन-सूची, टाइप किए गए साक्ष्य और सत्यापन वाले निष्कर्ष, खंडन किए गए निष्कर्ष, और गेट ले जाता है। समीक्षा-पाठ को खंगालने के बजाय दस्तावेज़ पढ़ें। |
| छह sub-skills (v3.1.1) | address-review राउटर से जुड़ता है: एक आह्वान लागू करता है, commit करता है, push करता है, और समीक्षक को फिर से सक्रिय करता है। |
| लूप CI-सचेत है (v3.2.0, v3.2.2) | address-review विफल workflows के लॉग भी पढ़ता है और उसी सहमत पास में उन्हें ठीक करता है, अपने बेस से पीछे रह गई ब्रांच को अपडेट करता है, और ऐसे PR को सक्रिय करता है जिस पर समीक्षक कभी चला ही नहीं (सिर्फ़ “loop the review” कहने पर वर्तमान ब्रांच का खुला PR लक्षित होता है)। |
| वैकल्पिक ensemble (v3.0.0) | केवल-पठन mode: emit लेग्स साथ ही एक aggregate जॉब संयुक्त निष्कर्षों को एक बार सत्यापित करते हैं और एक ही समीक्षा पोस्ट करते हैं। |
@v2 काम करता रहता है |
v2 लाइन release/v2 पर फ़्रीज़ है और छह महीने की सुरक्षा व कैटलॉग देखभाल प्राप्त है। v3 अनुशंसा है, कभी ज़बरदस्ती माइग्रेशन नहीं। |
इनमें से दो पद्धति के लिए बाकियों से अधिक महत्वपूर्ण हैं।
सत्यापित गंभीर निष्कर्षों का गेट सुरक्षा-जाँच को कठोर बनाता है। v3 से पहले कोई मॉडल critical का स्वतंत्र रूप से दावा कर सकता था और गेट दावे का अनुसरण करता था। अब Final Review में कोई गंभीर निष्कर्ष यह मायने रखता है कि दूसरी मॉडल कॉल ने उसे कोड के विरुद्ध पुष्ट किया, और रिलीज़ अभियान ने इस अंतर को मापा: दस अभियानों में 771 सशुल्क मूल्यांकन रन, कुल लगभग $83, गंभीर स्तर 63/63 recall और निर्णायक परिशुद्धता 1.0 तक पहुँचा, और वृद्धिशील राउंड ने इनपुट टोकन 62–76 % काटे। ये आँकड़े अपस्ट्रीम की प्रकाशित माप हैं, Deep Work Plan की अपनी नहीं।
economy जानबूझकर सस्ता नहीं है। अपस्ट्रीम के 2026-09-16 बेंचमार्क ने grok-4.3 को 5 ज्ञात दोषों में से 0 पर मापा — यह बिना समीक्षे अनुमोदन करता है — जबकि grok-4.5 ने 5 में से 3 पर grok-4.6 से मुकाबला किया, बिना किसी झूठी सकारात्मकता, उसी लागत और एक चौथाई समय में। चूँकि कोई सस्ता xAI मॉडल नहीं जो वास्तव में समीक्षा करता रहे, economy कुछ न खोजने वाला स्तर बनने के बजाय balanced जैसे ही मॉडल पर संकल्पित होता है; grok रनर पर लागत को स्केल करने वाली चीज़ जोखिम-स्तर का टर्न बजट है, मॉडल पसंद नहीं। इसीलिए CLI के ज़रिए xAI पथ प्रति समीक्षा लगभग $0.07 से लगभग $0.40–0.75 तक चढ़ता है; v3.0 प्रॉम्प्ट से 63 रन की पुनः-माप ने grok-4.3 को 5 में से 0 से 83 % recall, शून्य झूठी सकारात्मकता और ~31 % कम लागत पर ले जाया — पर वह अपनी findings फ़ाइल लिखने में अब भी grok-4.5 से लगभग तीन गुना अधिक असफल होता है, इसलिए grok-4.5 ही डिफ़ॉल्ट बना रहता है और model: grok-4.3 एक स्पष्ट, स्वीकृत-समझौते का विकल्प बना रहता है। ये आँकड़े अपस्ट्रीम की प्रकाशित माप हैं, Deep Work Plan की अपनी नहीं।
व्यवहार
- Flow A आधार-रेखा है; Flow B पूछा जाता है, कभी अनुमान नहीं लगाया जाता। बिना माँगे वर्कफ़्लो इंस्टॉल करना Flow A पर रहने से बड़ी छाप है।
- सुलह करें, अध्यारोपित न करें। मौजूदा skill, एक्सटेंशन, या समीक्षा वर्कफ़्लो संरक्षित रहते हैं; केवल अंतराल भरें।
- प्रमाणीकरण स्थगित। CI के लिए प्रदाता secrets अनुरक्षक द्वारा कॉन्फ़िगर होते हैं; यह ऐड-ऑन कभी क्रेडेंशियल संग्रहीत नहीं करता।
- विक्रेता-तटस्थ। कोई व्यावसायिक सेवा, CI प्रदाता, या secret कभी आवश्यक नहीं; CI सतह ही एकमात्र हिस्सा है जो प्रदाता को छूती है।
टिप्पणियाँ
संस्करण 2.3.0 से स्थानीय समीक्षा आवश्यक; CI सतह वैकल्पिक। अपस्ट्रीम skill: DailybotHQ/ai-diff-reviewer। अपस्ट्रीम माइग्रेशन गाइड: docs/MIGRATION_v3.md। स्पेक पृष्ठ: Add-ons।