shadcn/improve：用最强模型规划方案，用廉价模型执行代码——一种高效的代码审查新范式

📅 2026年06月11日 · 技术

项目简介

shadcn（著名的 shadcn/ui 作者）开源了一个名为 improve 的新项目，它提出了一种极具实用价值的开发理念：让最强大的模型负责理解代码库、判断优先级、撰写实施方案，然后交给更便宜的模型去执行。这个思路巧妙地平衡了 AI 成本与代码质量——高智力劳动由顶尖模型完成，体力活交给低成本模型。

核心工作流

improve 以 Agent Skill 的形式运行，支持在任何兼容 Agent Skills 格式的 AI 编程助手中使用。安装仅需一行命令：

npx skills add shadcn/improve

典型的使用流程分为几个步骤：

全量扫描：运行 /improve 命令，模型会全面审计代码库，输出一份按优先级排列的发现清单（包括技术债务、性能问题、安全漏洞等分类）
挑选并规划：从清单中选择需要处理的条目（如"plan 1, 3 and 5"），模型会为每个条目生成独立的自包含实现方案，保存在 plans/ 目录下
廉价执行：使用 /improve execute 001 将方案分发给更便宜的模型去实现，执行后自动对比方案并给出审核报告
增量审计：/improve branch 仅审计当前分支的变更，适合 PR 前的快速检查

为什么这个思路值得关注

传统 AI 编程助手往往让同一个模型既做分析又做实现，导致成本高且频繁切换上下文。improve 将二者分离：

分析/规划阶段需要全局理解、架构判断、优先级决策——这些恰好是尖端模型的强项
实现阶段通常是模板化的 API 调用、增删改查、测试补全——廉价模型完全胜任
分离后，每次规划都可以复用，且实现失败的代价很低（换一个模型重试即可）

这种"先规划后执行"的模式，与大公司内部推行的 Architecture Decision Record（ADR）+ 代码评审流程有异曲同工之妙，但完全自动化了。

实用命令速览

/improve — 全量审计 + 优先级排序 + 生成方案
/improve quick — 仅扫热点区域，快速输出
/improve deep — 深度审计（逐包扫描）
/improve security — 安全专项审计
/improve branch — 仅扫描当前分支变更
/improve plan <描述> — 跳过审计，直接为某个需求撰写方案
/improve reconcile — 刷新待办清单，同步已完成的变更

参考来源

shadcn/improve — GitHub