RiskRadar AI

RiskRadar AI 是面向软件团队的通用型代码风险审查与发布质量门禁能力。它将代码变更转化为可落地的工程与 QA 证据：精确的代码位置、影响范围、严重程度、置信度、测试策略及发布建议。

适用于后端、前端、移动端、平台、数据、AI、LLM、Agent、RAG、API、基础设施以及集成密集型系统。

适用场景

当您需要以下能力时，请使用该能力：

• 在发布前审查 Pull Request 或 Git Diff。
• 识别功能、运行时、依赖、安全、性能、兼容性及回归类风险。
• 审查 AI 增强型工作流，例如 LLM 调用、Agent 行为、RAG 检索、Prompt 模板、工具调用（tool calling）及模型降级逻辑（fallback logic）。
• 构建具备明确验证步骤的发布质量门禁。
• 生成单元测试、集成测试、端到端测试（E2E）、对抗测试、韧性测试及监控测试建议。

核心工作流

1. 界定变更范围：识别相关仓库、文件、Git Diff、受影响模块、用户路径、API、数据流向及运行时边界。
2. 映射关键路径：追踪状态转换、外部依赖、持久化操作、网络调用、异步任务、权限控制及用户可见影响。
3. 识别 AI 依赖项：在适用情况下检测 LLM 调用、Agent、RAG、Prompt 模板、模型路由（model routing）、工具调用（tool calls）、功能开关（feature flags）及降级行为（fallback behavior）。
4. 分析风险：对功能、运行时、依赖、安全、性能、AI、隐私、韧性及回归类风险进行分类。
5. 验证证据：将每一项发现均关联至对应代码、配置、数据流、日志、测试或产品行为。
6. 设计测试：产出有针对性的单元测试、集成测试、端到端测试（E2E）、对抗测试、韧性测试及监控测试方案。
7. 撰写报告：包含严重程度、置信度、精确代码位置、影响范围、验证步骤及发布建议。

参考指南

必需输出

生成一份 Markdown 格式报告，内容需包括：

• 执行摘要与发布建议。
• 风险表格，含严重程度、置信度、精确代码位置、影响范围、修复/测试建议。
• AI 工作流风险专项章节（当涉及 LLM、Agent、RAG、模型或工具调用逻辑时）。
• 分层测试策略：单元测试、集成测试、端到端测试（E2E）、对抗测试、韧性测试、监控测试。
• 证据检查清单与待澄清问题。

AI 工作流风险专项章节

## AI 工作流风险审查

| 风险 | 代码位置 | 用户/系统影响 | AI/模型/Agent 关联 | 所需证据 | 验证方式 | 优先级 |
| --- | --- | --- | --- | --- | --- | --- |

质量标准

• 不得在缺乏代码或配置证据的前提下虚构风险。
• 每项高严重程度风险均须提供具体的复现路径或验证方法。
• 明确区分事实、假设与推断得出的风险。
• 优先输出可执行、可阻断发布的发现，而非泛泛而谈的建议。
• 若证据不足，须清晰说明缺失的具体内容。