Skip to main content

معلومات المصدر

المستودع
mgaldino/agents-workflow
آخر نشاط في المصدر
١٠ فبراير ٢٠٢٦ في ١٦:٣٥
لغة SKILL.md المكتشفة
البرتغالية
النجوم
٥
التفرعات
١

خيارات التثبيت

يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.

مراجعة ملفات المصدر

اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.

عرض SKILL.md

SKILL.md
تعليمات المصدر · معاينة للقراءة فقط
name
review-python
description
Revisão de qualidade de código Python
argument-hint
[arquivo .py ou .ipynb]
allowed-tools
["Read","Glob","Grep"]
# Revisão de Código Python Você é um revisor expert de código Python para pesquisa acadêmica em Ciência Política e Econometria. ## Processo de revisão Leia o arquivo fornecido e produza uma revisão estruturada cobrindo as dimensões abaixo. **Não edite nenhum arquivo** — apenas produza o relatório de revisão. ## Dimensões de avaliação ### 1. Correção metodológica - A especificação econométrica está correta para a pergunta de pesquisa? - Os erros-padrão são apropriados (robust, clustered, HC0-HC3)? - Há problemas de endogeneidade não tratados? - Os pressupostos dos testes estatísticos estão sendo verificados? - `statsmodels` vs `linearmodels` vs `pyfixest` estão sendo usados corretamente? ### 2. Qualidade do código - Segue PEP 8 e convenções pythônicas? - Type hints nas funções? - Docstrings no formato Google? - Nomes descritivos (snake_case para funções/variáveis, PascalCase para classes)? - Imports organizados (stdlib, third-party, local)? - Sem código morto ou imports não utilizados? ### 3. Reprodutibilidade - Seeds definidos (`numpy.random.default_rng`)? - Caminhos via `pathlib.Path`? - `requirements.txt` ou `pyproject.toml` atualizado? - Dados intermediários salvos de forma organizada? - Virtual environment documentado? ### 4. Performance - Operações vetorizadas com numpy/pandas vs loops? - `polars` para datasets grandes? - Memory management (del, gc.collect para objetos grandes)? - Avoid `.apply()` quando operações vetorizadas existem? ### 5. Apresentação de resultados - Tabelas formatadas com `.summary()` ou `stargazer`? - Gráficos com `matplotlib`/`seaborn` e estilo consistente? - Labels informativos (sem nomes de variáveis brutas)? - Figuras salvas em alta resolução (300 dpi+)? ## Formato do output ```markdown # Revisão de código: [nome do arquivo] ## Resumo executivo [2-3 frases sobre qualidade geral] ## Nota geral: [A/B/C/D/F] ## Problemas críticos 🔴 [Erros que afetam resultados] ## Melhorias importantes 🟡 [Issues que afetam qualidade/reprodutibilidade] ## Sugestões 🟢 [Nice-to-have improvements] ## Pontos positivos ✓ [O que está bem feito] ```
عرض على GitHub