human-review

一句话定位

一个 AI 技能（skill）：让 Claude Code、Codex、ChatGPT 把 HTML 或 Markdown 文件在本地浏览器里打开，你像批 Google 文档一样直接改、留评论，一次性发给 agent 执行。

做这个东西的人

Peter Yang。他是有影响力的产品人（前 Reddit 增长团队，现运营"Behind the Craft"个人 AI 体系——十多个技能、YouTube 频道、newsletter）。这是他的个人品牌项目，不是匿名开源项目。

判断：作者自带分发渠道（社交媒体粉丝多），这解释了它发布两周就 958 star 的一部分原因。但问题本身是真实的——他自己反复强调"在聊天里给 AI 反馈很痛苦"。

它到底能做哪几件事

• 可视化编辑 → 在浏览器里直接改文字和格式（粗体、斜体、列表、缩进），不用描述"第几段第几行"
• 图片操作 → 拖角缩放、拖拽移动、从剪贴板粘贴新图（自动存进 assets/ 并插入光标处）
• 区块重排 → 拖动左侧手柄移动整个区块，无需在聊天里解释"把这个卡片挪到那边"
• 锚定评论 → 选中一段文字留下评论，或点元素评论图、表、区块——像 Google Doc
• 多页审阅 → Command-click 链接打开多页，评论和编辑不丢失
• 一次发送 → 所有编辑和评论打包发给 agent，agent 改源码后自动刷新页面
• 本地运行 → 无账号、无云、无数据库、无 API key；审阅服务只监听本机，评论状态存本机
• 生态兼容 → 作为 skill 装进 Claude Code、Codex、ChatGPT Work 等，任何 AI harness 都能用

它在替代什么旧行为

给 AI 反馈以前是这样：在聊天框里打"第三段把 X 改成 Y""删掉右边那张卡片因为它和第一张重复""CTA 再改一下"，然后等 agent 改完，自己再逐条检查它有没有理解对。审长文（PRD、落地页、多页网站）时这种"翻译成聊天指令"的痛苦是叠加的。

human-review 替代的是"把视觉意图翻译成文字指令"这一整段——你直接在成品上改、在成品上评，agent 拿到的是结构化反馈而不是一段自然语言。它把反馈的载体从"描述"换成"动作"。

商业模式

免费开源（MIT），无任何收费。 作者的价值来自个人品牌：skill 是他的内容资产，给"Behind the Craft"体系（课程、YouTube、newsletter）导流。

判断：这类"免费技能 + 个人品牌"是 2026 年 AI 开发者内容的新经济形态——用高质量免费工具建立专业信誉，再用信誉卖课程和内容。它不需要直接从工具收钱。

硬数字

• GitHub（petergyang/human-review）：959 star / 61 fork（2026-08-14 实测），2026-07-27 建，两周冲到近千 star
• 通过 SkillsLLM 自动化安全扫描（依赖漏洞 + prompt 注入启发式），无高危项
• 核心文件：cli.js（命令）、server.js（本地会话）、sdk.js（编辑与评论）、chrome-client.js（视觉界面）、markdown.js（Markdown 渲染）
• 用户数：未披露

四维评估

判断

它证明了"反馈界面"是一个被低估的产品层。 所有人在优化 prompt、优化模型、优化 agent 框架，但很少有人优化"人把意见交给 AI"这个动作。human-review 用 Google Doc 式批注——一个两亿人已经会的交互——替代了"在聊天里写准确定位指令"，这是它 959 star 的真实原因。

它的边界也很清楚：只解决文字内容类反馈（HTML、Markdown、落地页、PRD），不解决代码评审、数据、音频。它赌的是"文本审阅"这个场景足够大。

它值得注意的延伸含义：审阅本身就是训练信号。你在成品上留下的每一条编辑和评论，都是"好标准"的带标签样本——如果这些反馈被结构化收集，下一轮 agent 就能从你的标准开始干活，而不是从零猜你的口味。这个"审阅即数据"的方向，比工具本身更值得盯。

下一步看什么

① star 是否能过 3000——它会成为"人机审阅交互"这个品类的代表性项目 ② 是否出现"团队把审阅反馈循环接进日常交付"的案例，而不只是个人使用 ③ 它收集到的审阅数据或评论是否演化成"风格记忆"类功能——从工具变标准

可借鉴的做法

产品逻辑：凡是"人要给 AI 纠错"的场景，先问用户本来就会的交互是什么——Google Doc 批注、Word 修订、网页选中高亮——然后让 AI 适配这个形态，而不是让用户适配 prompt 语法。反馈界面的采纳率远高于指令界面。

结论

值得关注。 它验证了"反馈界面"这个产品层，验证方式是工程完整的开源技能加真实热度（两周 959 star）。它没有商业模式，但它可能定义了"人机审阅交互"的标准形态。记下来，看它往"审阅即数据"走多远。