AI同行评审对于Claude Code现在是一个免费的开源技能。它允许Claude、Codex和Gemini通过CLI交接互相评审代码——带有结构化的裁决、文件:行发现，以及响应格式中嵌入的诚实合同。
这个技能叫做 `ai-collab-bridge`。MIT许可。30秒内安装完成。我在macOS arm64上进行了测试；bash脚本可移植到Linux。
TL;DR
在30秒内安装AI同行评审技能
bash git clone https://github.com/owgit/ai-collab-bridge ~/.claude/skills/ai-collab-bridge chmod +x ~/.claude/skills/ai-collab-bridge/scripts/*.sh ~/.claude/skills/ai-collab-bridge/scripts/doctor.sh
`doctor.sh`脚本在一次运行中验证你的技能文件、所需工具和每个AI CLI（Claude、Codex、Gemini）。退出代码等于失败检查的数量。如果有任何问题，输出会告诉你确切的修复命令。在我对全新macOS安装的测试中，整个验证在两秒内完成。
然后开始一个新的Claude Code会话——AI同行评审技能会自动发现——并用类似 *“使用AI协作桥来评审我的最新提交。”* 的内容触发它。
AI同行评审实际上是如何工作的
该协议足够小，可以放在一个段落中。实施者——刚刚完成工作的任何AI——准备一个数据包。数据包是一个包含摘要、重点问题、diff和文件列表的单个markdown文件。然后，实施者使用包含该数据包的评审请求模板调用评审者的CLI。评审者阅读数据包并进行回应。
准备一个数据包（实施者端）
bash SUMMARY="对更改的简要描述" QUESTIONS="你想关注的任何内容" ~/.claude/skills/ai-collab-bridge/scripts/stage-packet.sh main > /tmp/packet.md
这会生成一个包含评审者所需的所有内容的markdown文件：你的摘要、你的重点问题、`git diff --stat`和与`main`的完整diff。
调度AI同行评审
bash ~/.claude/skills/ai-collab-bridge/scripts/request-review.sh codex /tmp/packet.md
或者 claude / gemini — 形状相同，目标不同
该脚本将你的数据包包装在评审请求模板中，发送到目标AI的CLI，并打印结构化响应。
响应格式
每个AI同行评审响应遵循相同的五部分模板：
最后一项是我第一次设计时感到惊讶的部分。在我的经验中，任何代码评审中最有价值的部分是评审者被迫披露他们没有查看的内容。如果没有它，你无法判断`APPROVE`是否意味着“我检查了一切，没问题”或“我浏览了diff，没有什么引起我的注意”。有了它，实施者就确切知道评审者的范围在哪里结束。
这就是每个AI同行评审背后的诚实合同。协议无法强制执行它。它只能使不诚实更难以隐藏。
基准：100%与31%的通过率
我将AI同行评审技能与原始Claude作为基线进行测试。三个测试案例——评审者角色、实施者交接、入门演练——相同的提示，相同的模型，有技能与没有技能的对比。
| 指标 | 有技能 | 没有技能 | 差异 |
|---|---|---|---|
| --- | --- | --- | --- |
| 通过率 | 100% | 31% | +69个百分点 |
| 时间 | 67秒 | 68秒 | 相同 |
| 令牌 | 60k | 53k | +14% |
在我的测量中，AI同行评审技能的令牌消耗大约多了14%（模型读取角色剧本），并且运行速度相同。为结构化、诚实的输出提供了廉价的保险。
元时刻：桥接自我评审
在我发布v0.1后，我使用桥接来评审桥接的下一个提交。Codex捕获了我在doctor脚本和探测逻辑中遗漏的两个bug。我修复了这两个，发布了v0.2，然后再次运行桥接。Codex又捕获了两个bug。我修复了这些，发布了v0.3。
桥接在自身中发现的四个bug
不是风格偏好，不是虚构的关注以显得有用。每次修复后我测试的具体内容：
这些在我编写时对我来说都不明显。在Codex冷读diff时，所有这些对它来说都是显而易见的，没有我的实现偏见。
这就是AI同行评审的整个推介。不同的思维，不同的盲点，结构化的交接。工作变得更好，你不必考虑它。
我对Codex CLI的了解
发布这个AI同行评审技能的大部分工作不是协议。它是弄清楚如何调用每个AI的CLI，而不让它做出意外的事情。
Codex MCP引导挂起
当你运行`codex exec`时，它加载`~/.codex/config.toml`并尝试引导你配置的任何MCP服务器。如果这些服务器需要自己的身份验证（Cloudflare Workers MCP、GitHub Copilot MCP等），而你没有为非交互式使用设置令牌，codex会静默挂起。在我第一次评审调度中，该过程挂起了十分钟，然后我追踪到MCP引导。
修复方法是`--ignore-user-config`。codex CLI还有一个专门的`codex exec review`子命令，专为这种用例设计，还有一个`-o`标志，仅将代理的最终消息写入文件。有关完整参考，请参见 OpenAI Codex CLI repo 和 Codex documentation。
npm供应商二进制文件ENOENT
通过npm安装的`@openai/codex`有时会缺少其平台特定的供应商二进制文件。`which codex`成功，但调用它时会失败，出现指向缺失的arm64二进制文件的神秘Node `ENOENT`堆栈跟踪。我在自己的机器上遇到这个问题，修复方法是`npm uninstall -g @openai/codex && npm install -g @openai/codex`。桥接的`doctor.sh`现在检测到这个确切模式，并直接提供修复。
支持的AI CLIs
| AI | 默认调用 | 覆盖环境变量 |
|---|---|---|
| --- | --- | --- |
| Claude | `claude -p` | `AI_COLLAB_CLAUDE_CMD` |
| Codex | `codex exec review --ignore-user-config --ephemeral` | `AI_COLLAB_CODEX_CMD` |
| Gemini | `gemini -p` | `AI_COLLAB_GEMINI_CMD` |
添加另一个AI只需在`scripts/request-review.sh`中添加一行`case`，以及在`references/`下的可选角色剧本。欢迎PR。
为什么AI同行评审对多AI工作流程很重要
如果你一直在关注从“AI作为自动补全”到“AI作为合作者”的转变，你可能已经注意到下一个瓶颈不是单个模型。下一个瓶颈是模型如何相互协作以及与工具的协作。这也是我在我的 代理就绪网站检查清单→ 中所争论的——围绕模型的系统比模型本身更重要。
在我自己的日常工作中，这看起来像：
没有AI同行评审，这些工作流程在并行但孤立中运行。每个AI只看到它面前的内容。通过实施AI同行评审技能，diff以结构化的方式在它们之间流动，工作得以复合。
同样的模式出现在我之前写过的角度中——从比较方面在 Claude Code与Cursor的2026年比较→，从工具方面在 如何使用TypeScript构建MCP服务器→，以及从结构方面在 跨仓库AI上下文层→。你循环中的代理需要彼此之间的干净接口，而不仅仅是与人类的干净接口。
亲自尝试AI同行评审技能
AI同行评审技能是开源的，位于 `github.com/owgit/ai-collab-bridge`。
bash git clone https://github.com/owgit/ai-collab-bridge ~/.claude/skills/ai-collab-bridge chmod +x ~/.claude/skills/ai-collab-bridge/scripts/*.sh ~/.claude/skills/ai-collab-bridge/scripts/doctor.sh
在仓库根目录下有`AGENTS.md`和`CLAUDE.md`文件，因此Codex和Claude Code都有明确的入口点，如果你将它们指向仓库冷启动。该协议适用于任何具有CLI的AI——相同的数据包格式，相同的响应模板，相同的三个裁决。在我的工作流程中，这与 你应该运行的安全审查→ 自然配对，针对你的AI生成的代码。
如果你想贡献，接下来的明显步骤在仓库中有文档：通过`--output-schema`强制响应格式，添加对更多CLIs的支持，以及构建超出我已经测试的评审者作为Codex路径的评审者作为Claude场景。
重点
AI模型之间的边界是约定，而不是事实。我们可以决定它们是合作还是竞争。如果你有两个AI在同一个代码库上工作，而它们没有互相评审，你就会在代码中留下真实的bug。
AI同行评审技能是解决这个问题的一种结构化方式。它是免费的，MIT许可，并且在30秒内安装完成。去给你的AI一个同事吧。