fresheyes
让另一个AI模型独立审查你的代码，获得客观的第二意见。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：fresheyes。 它的用途是：让另一个AI模型独立审查你的代码，获得客观的第二意见。 完整的 Skill 内容见：https://321skill.com/skills/fresheyes/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“用Fresh Eyes审查我刚提交的这个功能分支，并修复发现的问题，最多重复三次或直到通过。” 它会启动一个独立的AI模型来审查你的Git分支，生成审查报告（PASSED/FAILED），如果失败，它会尝试修复问题并再次提交和审查，直到通过或达到次数限制。
介绍
Fresh Eyes 解决了AI编程助手可能存在的“自我肯定偏差”问题。研究表明，LLM倾向于认可自己生成的代码，这可能导致潜在问题被忽视。该Skill通过调用一个独立的、无历史上下文的LLM来重新审视你的工作，从而提供更客观的代码审查。
使用方式非常直观。你只需在完成代码提交后，对你的AI助手（如Claude Code或Codex）说类似“用Fresh Eyes审查一下这个”的话。它会自动启动一个独立的审查流程，审查你的Git工作区、特定分支或文件夹。
这个Skill非常适合所有依赖AI助手进行编程的开发者，尤其是前端开发、后端开发、全栈开发和智能体开发者。当你在完成一个功能模块、修复Bug或准备合并分支时，它都能提供宝贵的第三方视角。
需要注意的是，自动审查功能可能会增加提交时间，大型分支的审查可能需要较长时间。使用Claude模型进行审查会消耗你的Claude超额额度而非订阅额度。对于免费或Go计划的Codex用户，需要手动设置环境变量以使用可用的GPT模型。
核心特点
核心在于利用“无历史上下文”的独立LLM进行审查，专门对抗LLM的“自我生成偏好”偏差，这是基于学术研究（LLM Evaluators Recognize and Favor Their Own Generations）设计的针对性解决方案。
注意事项
不适合用于审查微小的、无需独立验证的代码片段，或在对审查延迟极其敏感的生产部署流程中。
常见问题
Fresh Eyes审查一次要多久？
正常审查几分钟，大型分支或复杂请求可能长达一小时。
审查结果PASSED和FAILED是什么意思？
PASSED表示无阻塞性问题；FAILED表示发现了值得在继续前修复的问题。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/fresheyes/raw/index.md 读取 fresheyes 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/fresheyes/raw/index.md（查看排版版本）