新闻详情

新闻详情

首页 / 资讯中心 / 详情

uncle-bob-craft - code-review-checklist

发布时间:2026/11/21 20:04:17来源:尧图网络
uncle-bob-craft - code-review-checklist
Uncle Bob 技艺 —— 代码审查检查清单使用 uncle-bob-craft 技能进行基于原则的代码审查时复制粘贴此检查清单。单独运行你的项目 lint/格式化工具此检查清单聚焦结构和设计。1. 依赖规则和边界依赖指向向内用例/领域不依赖 UI、DB 或框架细节。外层依赖由内层定义的接口如仓库、网关。被审查的核心/用例代码中没有直接导入框架或驱动。2. 上下文中的 SOLIDSRP—— 每个类/模块只有一个变更理由一个参与者。OCP—— 通过新实现扩展而非编辑现有核心逻辑。LSP—— 子类型可替换无对具体类型的隐藏假设。ISP—— 接口聚焦调用者不依赖它们不用的方法。DIP—— 高层代码依赖抽象具体实现在边缘注入。3. 坏味道僵化性—— 小改动不强制修改多处。脆弱性—— 变更不破坏无关区域。顽固性—— 在合理处可以复用。粘滞性—— 做正确的事不比走捷径更难。不必要的复杂性—— 无推测性或未使用的抽象。不必要的重复—— DRY无明显的重复。晦涩性—— 命名和结构使意图清晰。4. 设计模式使用的任何模式都有清晰的理由重复、变化或边界。无跟风模式例如单一实现且无变化计划的 Factory。模式提高可读性或可测试性而非相反。5. 测试与职业素养被改动的代码有或在适当处被测试覆盖。无明显违反可持续节奏或质量的我们以后再修或TODO重构。提交/PR 连贯不让代码库变得更糟。建议的审查输出格式边界一两句关于依赖方向及任何违规。SOLID列出任何违规并附文件/函数和原则例如“SRPOrderService既解析又持久化——拆分。”。坏味道列出发现的坏味道并附位置例如“僵化性修改折扣规则触及 4 个文件。”。具体重构一两个具体建议例如“从process中提取applyDiscount”“引入OrderRepository接口并在用例中注入。”。测试 / 职业素养简要说明测试覆盖情况和任何担忧。与技能一起使用uncle-bob-craft。命名、函数和格式细节也使用 clean-code。始终单独运行项目的 lint 和格式化工具。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/20 20:45:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/20 16:11:20

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉