- Upstream: 要件、設計、およびアーキテクチャフェーズ（ADR を含む）。早期のレビューにより、手戻りを防ぐ。
- Midstream: 実装およびプルリクエストフェーズ。コード品質、セキュリティ、開発者体験に焦点を当てる。
- Downstream: テスト/QA/リリース準備フェーズ。カバレッジと回復力を検証し、リグレッションを防ぐ。AI レビューがリリースの準備完了状態と整合していることを確認する。
- Skill: River Review によって実行されるレビューガイダンスの YAML frontmatter + Markdown ユニット。
- Skill Registry: Skills の登録・発見・バージョン管理を担う仕組み。リポジトリ内で Skills を登録・管理し、Stream Router がレビュー実行時に参照する中核コンポーネント。
- Stream Router: 要求されたフェーズと変更コンテキストに基づいてスキルを選択して実行するロジック。
- Riverbed Memory (Future): 過去の発見事項、ADR 参照、WontFix の決定を永続化し、長期にわたってレビューの一貫性を保つためのコンテキスト層。
- Context Engineering: LLM に渡すコンテキストを体系的に設計・選択・制御する手法。プロンプトの言い回しではなく、何をいつどの粒度で渡すかを設計対象とする。
- Context Budget: 1 回のレビュー実行で使用可能なトークン量の上限概念。予算内で最大のレビュー品質を得るために、ロードするスキル・差分・メモリを取捨選択する。
- Attention Budget: LLM の注意力を高シグナル情報に集中させるためのコンテキスト配分戦略。低シグナルな情報を排除し、重要な観点が埋もれないようにする。
- Progressive Disclosure: 必要なときに必要な詳細度でコンテキストをロードする、段階的な情報開示の戦略。まずメタデータだけをロードし、選択されたスキルのみ本文をロードする。
- Finding（発見事項）: Review Artifact に含まれる 1 件のレビュー観察結果。severity（critical / major / minor / info）、message、ファイル・行位置、rationale の各フィールドを持つ。日本語では「発見事項」と呼ぶ。
- Review Artifact: レビュー実行の構造化された出力記録。計画（選択・除外スキル）、発見事項、判断、デバッグ情報を含み、監査・メモリ取り込み・評価の入力として使われる。