Final Release Review

Final Release Review ist ein offizieller Skill aus dem OpenAI-Repository openai-agents-python. Seine direkte Primärquelle ist der Ordner .agents/skills/final-release-review. Der Skill unterstützt die Prüfung eines Python-SDK-Releasekandidaten oder eines geplanten Releases gegen die vorherige veröffentlichte Version. Im Zentrum steht nicht das bloße Erstellen eines hübschen Berichts, sondern eine belastbare Entscheidung darüber, ob ein Kandidat ausgeliefert werden kann oder blockiert werden muss. Laut Anbieter soll der Workflow konkrete Regressionen und Risiken finden, die Kompatibilität der vorgesehenen Versionsart unabhängig bewerten, offene Dokumentationsänderungen prüfen und anschließend eine handlungsfähige Übergabe formulieren.

Zweck und Arbeitsweise

Der Ablauf beginnt mit der Ermittlung des letzten Release-Tags und der Auflösung des Ziel-Commits, normalerweise aus dem Hauptzweig. Danach wird zwischen einer Vorabplanung und einer abschließenden Kandidatenprüfung unterschieden. In der Planungsphase kann der nächste Release-Typ noch offen sein. Der Skill empfiehlt dann aus dem tatsächlichen Diff die kleinste passende Versionsart. Bei einem finalen Kandidaten werden Absicht, Paketmetadaten, Sperrdatei und Releasezweig strenger miteinander verglichen. Diese Trennung verhindert, dass eine unveränderte Versionsnummer in einer frühen Planung fälschlich als Blocker gilt, während eine unterversionierte finale Veröffentlichung tatsächlich gestoppt werden muss.

Die Prüfung vergleicht den Ausgangspunkt und das Ziel, statt den Zielstand isoliert zu betrachten. Öffentliche Python-Schnittstellen werden hinsichtlich Exports, Identität, Signaturen, Positionsreihenfolge, Standardwerten, Enums und dokumentiertem Verhalten untersucht. Zusätzlich gehören unterstützte Python-Versionen, Abhängigkeiten, Extras, Paketinhalt und Importverhalten zur Paketprüfung. Änderungen an dauerhaften Zuständen, Protokollen, Konfiguration oder Umgebungsvariablen müssen auf Rückwärtslesbarkeit sowie auf eine nutzbare Migration oder Kompatibilitätsroute geprüft werden. Laut Anbieter soll ein Risiko nur dann als Blocker gelten, wenn eine eingeführte Regression, ein bestätigter Bruch ohne brauchbaren Fallback, ein ungelöstes Daten- oder Sicherheitsproblem oder ein kaputter releasekritischer Pfad konkret belegt ist.

Dokumentation und Ergebnis

Ein besonderer Wert des Skills liegt in der getrennten Behandlung der Dokumentationsbereitschaft. Zuerst werden aus der technischen Prüfung die tatsächlichen Dokumentationspflichten abgeleitet. Danach werden aktuelle offene Dokumentations-Pull-Requests read-only recherchiert, bevor eine Abdeckung als fehlend bezeichnet wird. Mehrere Änderungen können gemeinsam eine Pflicht abdecken, ohne dass ein offener Pull Request bereits Bestandteil des Release-Ziels ist. Das Ergebnis unterscheidet deshalb zwischen abgedeckt, teilweise abgedeckt, nicht abgedeckt, veraltet oder unbestätigt. Fehlende Dokumentation allein blockiert den Release nicht, soll aber mit konkreten Dateien, Abschnitten, Beispielen oder Migrationshinweisen an die spätere Veröffentlichung übergeben werden.

Einsatz, Grenzen und Sicherheit

Final Release Review ist eine Review-Anleitung, kein automatischer Merge-Bot und kein Ersatz für Maintainer, Security-Verantwortliche oder die finale Produktfreigabe. Es werden keine Änderungen an Pull Requests autorisiert. Ein grünes Ergebnis darf nur verwendet werden, wenn der geprüfte Zielstand und die relevanten Kandidateninhalte danach unverändert bleiben. Jede nachträgliche Änderung am Diff, an Metadaten, an der Sperrdatei oder am Vertrag erfordert eine neue vollständige Prüfung. Die Anleitung weist außerdem darauf hin, dass Quelltext, Kommentare und lokale Projektinformationen an den verbundenen Modellanbieter gelangen können. Deshalb dürfen keine Zugangsdaten, Tokens, privaten Diffs oder vertraulichen Testinhalte in Aufträgen, Beispielen oder gespeicherten Ergebnissen landen. Die lokale Prüfung eines Repositorys bedeutet nicht automatisch, dass verbundene Modellaufrufe lokal bleiben.

Der Skill eignet sich besonders für Maintainer und Entwicklerteams, die vor einer Veröffentlichung eine nachvollziehbare, reproduzierbare Entscheidung brauchen. Er ersetzt weder CI noch fachliche Abnahme und beweist keine vollständige Sicherheit. Die konkrete Aussage bleibt vom geprüften Basis-Tag, Ziel-Commit, Branch, Paketstand und den verfügbaren GitHub-Informationen abhängig. Für die technische Einordnung ist die offizielle Agents-Python-Dokumentation unter openai.github.io/openai-agents-python/ ergänzend relevant. Das Repository nennt laut Anbieter die Apache-2.0-Lizenz. Diese Beschreibung wurde am 9. September 2026 anhand der offiziellen Skill-Datei und der offiziellen OpenAI-Agents-Dokumentation geprüft. Das Skill-Modell speichert bewusst keine GitHub-Sterne, weil dafür kein unterstütztes Feld vorhanden ist.