unslop-review
Faz seu agente reescrever comentários de revisão de código para parecerem humanos. Elimina formalidades e vai direto ao ponto, indicando o problema e a solução.
O que ela faz
Esta ferramenta ajuda a reescrever comentários de revisão de código para que soem mais como um colega de equipe humano e menos como um robô corporativo. Ela remove frases desnecessárias e vai direto ao ponto: onde está o problema, qual é o problema e como consertá-lo.
Quando usar
- ✓Quando você quer que seus comentários de revisão de código soem mais naturais.
- ✓Para remover jargões corporativos e excesso de polidez de feedbacks.
- ✓Para tornar os comentários diretos, indicando o local, o problema e a solução.
Exemplo do que pedir para a IA
“Transforme este comentário de revisão de código para soar mais humano: 'Eu notei que talvez pudéssemos considerar adicionar uma verificação de nulo aqui, pois isso poderia levar a problemas em alguns cenários.'”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A ferramenta remove frases de introdução e excesso de polidez. Ela identifica o local exato do código, descreve o problema de forma clara e sugere uma correção específica.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add sickn33/agentic-awesome-skills --skill unslop-reviewOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/plugins/agentic-awesome-skills-claude/skills/unslop-review/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Revisão Unslop
Quando Usar
Use esta habilidade quando precisar reescrever comentários de revisão de código para que soem como se um colega de equipe humano os tivesse escrito. Elimina rodeios corporativos de IA ("Notei...", "Estava me perguntando se talvez...", "Pode valer a pena considerar..."). Cada comentário é direto: localização, o problema, uma correção concreta. Use quando o usuário disser...
Propósito
Reescrever ou gerar comentários de revisão de PR que soem como um colega de equipe, não um motor de polidez. Direto no problema, concreto na correção, gentil com o humano.
Gatilho
/unslop-review, /review, "revisar este PR", "revisão de código", "humanizar revisão", "des-enrolar este comentário", "fazer este feedback soar humano". Gatilho automático ao revisar pull requests.
Formato
Forma padrão: L<line>: <severity prefix> <observation>. <fix>.
Prefixos de gravidade (opcional, mas use-os quando a gravidade importar):
bug:— o código está quebrado ou vai quebrarrisk:— funciona hoje, frágil amanhã (desempenho, race condition, teste faltando)nit:— estilo, nomenclatura, código morto, "enquanto você está aqui"q:— pergunta genuína, não uma reclamação velada
Multi-arquivo: <file>:L<line>: <severity> <observation>. <fix>.
Intervalo: L88-140: ... quando o problema abrange várias linhas.
Regras
Remover
- Rodeios: "Notei que...", "Parece que...", "Para mim, parece que..."
- Empilhamento de hesitação: "Estava me perguntando se talvez poderíamos querer potencialmente..."
- Preenchimento polido: "Eu gentilmente sugeriria...", "apenas uma pequena sugestão..."
- Elogios por comentário: "Bom trabalho nesta função, mas...", "Ótimo padrão, no entanto..."
- Repetir o diff: "Aqui na linha 42 você tem uma função chamada
getUserque retorna..." - Opinião crua sem correção: "Isso é ruim" sem sugestão
Manter
- Números de linha e intervalos exatos
- Identificadores entre crases:
findUser,req.body.id - Correção concreta ou pergunta concreta
- "Por quê" apenas quando a correção não for óbvia
Tom
Humano, não corporativo. "Isso lança uma exceção se X" em vez de "Pode ser potencialmente digno de nota que isso possa lançar uma exceção sob certas condições." Incerteza calibrada é aceitável ("Eu acho", "provavelmente") — suavização performática não é.
Auto-clareza (use prosa completa, não frases curtas)
- Descobertas de segurança (classe CVE, autenticação, segredos)
- Discordâncias de arquitetura que precisam de uma discussão real
- Contexto de integração para um novo contribuidor
- Quando a resposta é genuinamente "está tudo bem"
Nesses casos, use um parágrafo curto e, em seguida, retorne à concisão para o restante.
Exemplos
Ruim → Bom
Ruim:
I would kindly suggest that we might want to potentially consider adding a null check here as it could maybe lead to issues in some scenarios.Bom:
L42: bug: \findUser` returns undefined when no match. Guard before `user.email` or early-return 404.`Ruim:
Great work on this implementation! However, I think we could potentially enhance readability by considering a refactor of this function.Bom:
L88-140: nit: this function does validation, I/O, and mapping. Splitting them would make the happy path easier to follow. Happy to pair on a cut if helpful.Ruim:
I noticed that there's no retry logic here which could be problematic.Bom:
L23: risk: no retry on 429. Wrap the call in \withBackoff(3)` so we don't drop legitimate requests.`Ruim:
This implementation leverages a robust caching strategy.Bom: (excluir — elogio vazio. Se o caching for genuinamente interessante, explique por quê especificamente.)
Aprovação
Se a mudança for sólida e você não tiver nada concreto: LGTM em sua própria linha. Sem boilerplate.
Limites
- Apenas comentários. Sem commits, sem
git push, sem aprovação automática, sem execuções de linter. - A saída está pronta para colar: um comentário por linha, ou uma lista claramente separada.
- A gravidade deve ser honesta. Não rebaixe um
bugpara umnitpara suavizar a mensagem.
Limitações
- Use esta habilidade apenas quando a tarefa corresponder claramente à sua origem e ao contexto do projeto local.
- Verifique comandos, código gerado, dependências, credenciais e comportamento de serviços externos antes de aplicar alterações.
- Não trate exemplos como substitutos para testes específicos do ambiente, revisão de segurança ou aprovação do usuário para ações destrutivas ou custosas.
Perguntas frequentes
O que são 'prefixos de severidade'?
São etiquetas curtas como 'bug:', 'risk:', 'nit:' ou 'q:' que indicam a gravidade do problema (erro, risco, detalhe de estilo ou pergunta).
O que a ferramenta NÃO faz?
Ela não faz commits, não aprova código automaticamente, não roda linters e não substitui testes ou revisões de segurança.
Como a ferramenta lida com elogios?
Ela remove elogios genéricos. Se um elogio for genuinamente importante, ele deve ser explicado com detalhes específicos sobre o porquê.
Detalhes
Descrição original do autor
Rewrites code review comments so they read like a human teammate wrote them. Cuts corporate-AI throat-clearing (\"I noticed...\", \"I was wondering if perhaps...\", \"It might be worth considering...\"). Each comment is direct: location, the issue, a concrete fix.
Popularidade
- Estrelas no GitHub
- 48 mil
- Posição no ranking
- #4450
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
00-andruia-consultant
Ajuda seu agente a iniciar ou melhorar projetos de IA. Ele analisa código, sugere ferramentas e cria planos de ação em espanhol.
sickn33/agentic-awesome-skills
007
Faz seu agente realizar auditorias de segurança e modelagem de ameaças. É útil para proteger projetos contra ataques e vulnerabilidades.
sickn33/agentic-awesome-skills
10-andruia-skill-smith
Ajuda seu agente a criar ou melhorar ferramentas de IA. Ele define como as ferramentas funcionam, escreve a documentação e valida a estrutura.
sickn33/agentic-awesome-skills
20-andruia-niche-intelligence
Faz seu agente criar um resumo sobre um setor específico. É útil para entender o contexto, regras, padrões de uso e riscos de um projeto, usando fontes confiáveis.
sickn33/agentic-awesome-skills
Skills parecidas
benchmark-optimization-loop
Faz seu agente melhorar a velocidade de algo de forma medida. Ele testa várias versões e escolhe a mais rápida que ainda funciona corretamente.
affaan-m/ECC
change-impact
Ajuda seu agente a analisar o impacto de mudanças no código antes de fazê-las. Ele compara o planejado com o real depois, cobrindo caminhos, dados, testes e documentação. É útil para mudanças arriscadas ou que afetam várias partes do sistema.
affaan-m/ECC
click-path-audit
Faz seu agente rastrear todos os botões e interações do usuário para achar bugs. Ele encontra problemas onde funções parecem funcionar sozinhas, mas falham juntas. Útil quando bugs persistem mesmo após depuração.
affaan-m/ECC