说到 code review我最早开始做 open-code-review 这个项目其实是被一次很尴尬的现场逼出来的。当时团队里一个老哥提了一个上千行变更的合并请求我坐在屏幕前啃了两个小时最后只抓住了两个变量命名问题真正会导致内存泄漏的那段逻辑是在上线第二天才被线上告警发现的。那一次之后我就想明白一件事单人靠肉眼做 code review本质上不是能力问题是流程和工具的问题。open-code-review 就是一个把 review 从“人肉扫描”变成“可复用、可审计、可开放协作”的开源工具。它不替代人而是把代码审查里那些机械、重复、容易漏掉的部分自动化掉变更集提取、上下文补全、规则扫描、AI 辅助分析、行内评论回写。适合中小团队想搭一套自己的 review 流程又不想被商业平台绑定死的场景。这篇文章我会把 open-code-review 的设计思路、核心模块、集成方式和踩坑记录都摊开讲一遍。项目本身以 Python 为主用 FastAPI 做服务Git 命令行和 GitLab/GitHub API 负责数据获取规则引擎和可选的 AI 审查模块并行工作。下面直接进入正题。1. 为什么我要把 code review 变成“开放”的1.1 传统 code review 的三个死结先说第一个死结Reviewer 的信息差。一个熟悉业务上下文的老手看 diff 的时候脑子里会自动补全“这个函数之前为什么这么写”“调用方在什么场景下会触发这条路径”。但是这些东西全部存在人脑子里换一个人来 review等于重新考古。团队越大信息差越严重review 质量完全取决于抽到谁。第二个死结是知识沉淀不下来。你今天发现“这个模块不能用并发写同一个文件”你会在评论里写一遍但下个月换了个场景又有人踩同一个坑。因为评审意见散落在各个 MR 里没人把它们变成规则、检查项或者文档。第三个死结是审查过程不可审计。哪些 MR 被认真 review 过、哪些是直接合进去的、某个严重缺陷有没有被评审人提过这些信息很难追溯。等出线上事故的时候复盘只能靠聊天记录截图。这三个死结不是靠“加强责任心”能解决的需要工具把整个流程结构化。1.2 open-code-review 想解决什么所以 open-code-review 的核心设计目标就三条第一把审查的上下文变成团队资产。它不只是读最新的 diff还会把相关历史提交、涉及函数定义、调用链片段一起拉出来让任何人拿到同一份输入都能复现同样的判断。第二把规则变成可扩展的开放配置。审查规则以 YAML/JSON 形式存在仓库里随项目走、随版本走新成员入职看规则文件就知道团队关心什么。第三把审查过程留痕。每条评论、每个规则命中、每次 AI 分析都落到本地数据库里后续可以统计覆盖率、缺陷密度、评审耗时也能在事故复盘时还原当时 review 到底看了什么。一句话总结不是让工具决定“能不能合并”而是让工具把 review 变成一件可以被复制、被测量、被改进的事。1.3 open-code-review 与平台自带功能的差异现在 GitLab、GitHub 都自带 review 功能很多人问为什么不直接用。我的看法是平台自带功能解决的是“提意见”这个环节但不管“提取上下文”“跑规则”“留痕统计”。列个表看得更清楚能力平台自带 Reviewopen-code-review规则自定义受限基本靠人肉开放配置随仓库走变更上下文补全弱只有 diff自动补齐相关提交和函数定义AI 辅助审查厂商锁定或不可用BYOK 或自部署模型都行审查历史审计有限散落在界面里本地数据库完整留痕扩展性依赖平台生态提供 API可自由接入2. 核心流程从 git diff 到可读的审查报告2.1 拿到 diff 只是开始open-code-review 的入口是一个 Webhook 请求收到 Merge Request 或 Pull Request 的 open/update 事件之后第一件事就是去拉取目标仓库的最新代码然后拿到本次变更的 diff。这里有个容易踩的坑如果直接从平台 API 拿 diff很多平台的 diff 是截断过的尤其文件多的时候。所以我更推荐在本地执行git fetch之后用git diff生成完整变更集git fetch origin merge-requests/123/head:mr-123 git diff --unified5 $BASE_SHA...mr-123--unified5参数很关键默认 3 行上下文经常不够定位5 行能让规则引擎和 AI 看到更多前后关系。当然如果服务部署在容器里每次重新 clone 大仓库会非常慢这个后面部署章节会细说。2.2 变更上下文补全把 commit 链起来只看 diff 的最大问题是没有历史。举个例子你在一个函数里看到某个字段被删了但这个字段其实是上一个 MR 刚加进去做兼容处理的。这种情况下任何静态分析都会漏掉必须把相关 commit 的历史拉出来看。所以 open-code-review 在拿到 diff 之后会做三步上下文补全用git log找到本次变更涉及文件的最近 5 条提交记录提取 commit message 和变更摘要。用git blame定位每一处变更行的上一次修改人作为“这个改动为什么存在”的线索。对新增的函数调用尝试匹配仓库内的函数定义位置把函数签名和关键实现片段一并放入上下文。这一步做下来一个 200 行的 diff 在实际分析时可能带着 600 到 800 行的上下文信息对于后续的规则和 AI 分析来说信息量完全不同。2.3 审查报告的生成流程完整的处理链路是这样的Webhook 收到事件 - 拉取最新代码 - 生成完整 diff - 补全变更上下文 - 规则引擎扫描 - AI 模块可选 - 汇总评论列表 - 通过平台 API 发表行内评论 - 写入本地数据库规则扫描和 AI 分析是并行跑的最后再合并结果。这样做的好处是如果团队没配置 AI 的 API Key服务可以完全降级为“静态规则 人工 review 记录”不影响主流程。2.4 一份实际生成的审查报告长什么样我给一个小例子这是 open-code-review 在某次 Java MR 上自动生成的行内评论摘要open-code-review 报告 (规则模式) 高风险无 中风险2 - 文件 UserService.java 第 87 行catch 块为空可能掩盖异常 - 文件 UserService.java 第 121 行使用了共享的 SimpleDateFormat 实例 低风险1 - 文件 UserController.java 第 45 行新增方法缺少 Swagger 注解 审查耗时4.2s | 涉及文件 12 个 | 变更行数 342这些内容会以一条“机器人评论”的形式发在 MR 下面同时每条中风险及以上项会以行内评论的形式挂到对应代码行上。人只负责看机器筛出来的重点比从头扫一遍快得多。3. 审查规则引擎与静态检查的取舍3.1 哪些规则值得内置做规则引擎最忌讳贪多规则一多误报就多误报一多开发者直接把机器人评论当垃圾信息忽略整个系统就失效了。open-code-review 内置规则只保留“高价值、低误报”的几类规则触发条件风险等级密钥硬编码匹配常见密钥格式或关键字高空 except / 空 catch异常捕获块内无任何代码高调试语句泄漏print、System.out、debugger中TODO 提交新增行包含 TODO/FIXME低不安全权限chmod 777、umask 设置高基础镜像固定缺失Dockerfile 里用 latest 标签中这套规则听起来都很基础但真正做到“自动跑”之后能挡住非常多本该在 review 环节被拦下、结果漏到线上的低级问题。3.2 规则引擎的设计规则引擎的设计分成两层第一层是模板匹配用正则或者简单的 AST 检查第二层是钩子函数允许用 Python 写自定义检查逻辑。模板规则用 YAML 表示随仓库存一份方便团队自定义rules: - id: no_debug_print name: 禁止新增调试打印 level: medium pattern: | regex: (?m)^\\.*\\b(print|console\\.log|System\\.out)\\s*\\( message: 新增代码中出现了调试输出语句请确认是否需要保留 files: exclude: - tests/ - *.mdregex里的^\是关键它只匹配 diff 中新增的行不会管历史遗留代码减少大量不必要的噪音。AST 级别的检查用于更复杂的场景比如判断某个方法是否吞掉了异常、某个资源是否在 try-with-resources 里关闭。这类检查在规则文件里配置不了需要写钩子函数但整体结构仍然是输入一个文件路径和 diff 信息输出一条或多条评论。3.3 误报处理误报是规则引擎最大的敌人。我实测下来如果误报率超过 30%团队基本就不会再看机器评论了。处理误报的思路有三层第一规则分级。高风险规则直接默认启用低风险规则默认关闭由团队按需开启。这样即使低风险规则误报多也不会干扰主线体验。第二路径排除。对测试代码、生成的代码、第三方代码目录可以单独设置规则集。比如no_debug_print这条规则在测试目录里就是误报因为测试里经常需要输出调试信息。第三消失机制。某条规则在同一文件的同一片区连续触发 3 次以上时自动降级为静默统计不再生成重复评论。这能避免同一个错误模式在一整个文件里刷屏。3.4 一个自定义规则的完整示例假设团队想加一条“禁止在 API 层直接操作数据库”的规则模板匹配很难搞这时候用钩子函数写 AST 检查会更可靠import ast def check_api_no_db(tree, filepath): if not filepath.endswith(api.py) and not filepath.endswith(controller.py): return [] findings [] for node in ast.walk(tree): if isinstance(node, ast.Call): func node.func if isinstance(func, ast.Attribute): if func.attr in (query, execute) or session in func.attr: findings.append({ line: node.lineno, level: high, message: API 层不应直接操作数据库请迁移到 Service 层, }) return findings把这段函数注册进规则引擎之后新增行里只要出现session.query(...)或cursor.execute(...)就会被标出来。这类规则是团队自己的知识沉淀比任何商业工具的默认规则都更贴合业务。4. AI 辅助审查模块设计思路与成本控制4.1 为什么选择“按 diff 片段”而不是一次性全量消费AI 审查是最能体现“工具加分”的部分也是坑最深的部分。我最开始试过把一个 MR 的全部 diff 一次性丢给大模型让它总结问题效果非常差。原因不是模型不行而是上千行的 diff 放到上下文里模型会“迷失”而且 token 成本高得离谱。后来改成按文件拆分再按 hunk 拆分的处理方式。每个片段控制在 50 到 100 行以内模型每次只针对一个局部变更做分析。这样做有三个好处单次请求的 token 消耗可控成本估算简单。局部化上下文让模型更容易发现更具体的问题比如空指针、重复逻辑。可以并发处理多个片段整体延迟反而比一次性全量低。4.2 提示词模板与输出格式为了让模型输出稳定可用提示词必须做结构化约束。下面是我目前的模板骨架你是一名资深代码审查工程师。以下是一段代码变更内容 diff {diff_content} /diff 相关函数调用关系 context {context_info} /context 请只关注以下类型的真实缺陷 - 明显的空指针或未定义变量 - 资源未释放 - 并发条件竞争 - 逻辑分支遗漏 - 安全问题 不要输出风格建议和重构建议。 如果发现问题按以下 JSON 格式输出不要输出其他内容 [ { line: 行号, level: high|medium|low, message: 问题描述 } ]输出要是非 JSON 格式解析层直接丢弃并按重试处理。用这种强约束之后输出质量稳定了很多。4.3 成本控制和并发策略AI 审查的成本必须提前算清楚。我按 diff 大小把审查分成三个档位变更规模新增行数审查模式单 MR 预计 token0 到 30 行直接交给 AI附带完整上下文约 3k30 到 200 行先跑规则再对命中风险的文件做 AI约 8k200 行以上规则为主AI 只抽检风险最高的文件约 15k策略的核心是规则免费AI 谨慎。不是所有 MR 都值得花 token大部分常规修改跑规则就够了。只有规则命中率高、或者文件涉及核心交易逻辑时才启用 AI 抽检。另外做了一层结果缓存相同仓库、相同 commit SHA 的审查结果直接复用不会重复计费。并发方面用了一个简单的信号量控制同时进行的 AI 请求数量避免把 API 限流打爆。5. 与 GitLab/GitHub 的集成实测5.1 集成方式Webhook 与 APIopen-code-review 服务部署好之后第一步是在代码托管平台配置 Webhook。GitLab 和 GitHub 事件结构大同小异GitLab 监听Merge Request EventsGitHub 监听Pull Request Events。这里有一个重要建议Webhook 收到事件之后不要同步处理而是把事件信息丢进内部的任务队列我只用了一个带持久化的 Redis List服务立即返回 200。因为平台的 Webhook 通常有几秒超时同步处理很容易被判定为失败触发重试重试反过来又造成重复处理。5.2 MR 评论机器人的实现行内评论是核心展示形式。GitLab 和 GitHub 的 API 都是先确定一个 commit SHA再按文件路径和行号发评论。GitLab 侧的一个典型调用curl --request POST \ --header PRIVATE-TOKEN: $GITLAB_TOKEN \ --header Content-Type: application/json \ --data { position: { position_type: text, new_path: src/user_service.py, new_line: 121, base_sha: ..., start_sha: ..., head_sha: ... }, body: 中风险使用了共享的 SimpleDateFormat 实例 } \ https://gitlab.example.com/api/v4/projects/$PROJECT_ID/merge_requests/$MR_ID/discussionsGitHub 用的是reviewsAPI 的comments字段结构类似。这块没有太多玄学需要注意的就是position里的三个 SHA 值必须取自 Webhook 事件里的原始字段不能自己随便填否则评论定位会失败。5.3 如何配置才不影响开发流程机器人介入开发流程最忌“喧宾夺主”。我先说几个实测有效的配置经验第一评论要有固定前缀。所有自动评论统一以open-code-review:开头方便开发者在通知流里快速过滤。第二不要设置 blocking 状态。机器人评论默认不带 “Changes requested” 状态只作为提示。是否阻塞合并由人来决定。机器人的价值是提供信息而不是做裁决。第三合并后自动清理。MR 合并之后把相关记录标记为已处理避免在下一个 MR 的上下文里重复出现旧问题。第四静默窗口。同一个文件在 24 小时内如果已经报告过同一个规则命中就不重复报告避免开发反复看到同一个噪音。6. 部署踩坑记录与调优经验6.1 场景一次 2000 文件变更导致服务假死第一次上线做压测的时候遇到一个真实场景某个老项目的一次依赖升级 MR 变更了 2000 多个文件Webhook 一进来open-code-review 服务直接响应超时日志里全是 git fetch 卡住的堆栈。排查链路是这样的先看日志发现所有 worker 都被卡在git fetch上。手动在容器里跑了一次git fetch发现要拉完整镜像仓库的 2.1GB 对象。再看代码发现容器每次启动都是全新 clone没有做持久化缓存。最后确认浅克隆加增量 fetch 可以解决但需要维护一个持久的裸仓库缓存。修复方案是在服务侧维护一个remote cache目录每个仓库只git init --bare一次之后每次只做git fetch origin refs/merge-requests/*/head:refs/remotes/origin/*增量更新。改造之后同样的超大 MR 处理时间从 15 分钟降到了 40 秒主体耗时都花在规则引擎上。6.2 场景Webhook 重复投递导致重复评论平台 Webhook 有重试机制加上网络抖动同一个事件被投递两次是常有的事。第一次没处理完第二次又来了结果同一个 mr 下出现两套一模一样的评论体验非常糟糕。标准做法是引入幂等表。在数据库里建一张review_events表以 (platform, project_id, event_id) 作为唯一键处理前先检查是否已存在。这样可以保证同一个事件永远只被处理一次。实现也很简单插入前先查唯一约束兜底event ReviewEvent( platformgitlab, project_idpayload[project][id], event_idpayload[object_attributes][iid], commit_shapayload[object_attributes][last_commit][id], ) if ReviewEvent.query.filter_by( platformevent.platform, project_idevent.project_id, event_idevent.event_id, ).first(): return duplicated event, skip6.3 后续扩展和目前还在打磨的方向open-code-review 目前已经在我自己的团队里跑了大半年规则命中率还算稳定。现在在做的几个后续方向一个是更细粒度的统计面板希望把每个团队的 review 覆盖率、规则命中率、AI 审查占比做成看板让管理者能看到真实数据而不是拍脑袋。另一个是插件机制。目前自定义逻辑靠钩子函数但要更方便地让社区贡献规则还需要一个更轻量的插件加载方式比如一个 Python 文件放到plugins/目录就能被自动识别。最后是离线运行模式。有些团队代码库完全在内网不能访问外部模型 API。我正在做的一个方案是把 AI 审查模块抽象出统一的llm_client接口兼容自部署的本地模型用内网算力跑审查分析。按我自己的使用感受代码审查工具最怕的就是做得太重开发反对、维护也麻烦。open-code-review 走的路线是“可选择的自动化”小 MR 全自动跑规则大 MR 规则加 AI 抽样严重问题给人看普通问题只统计不打搅。这个分寸拿捏住了团队才愿意长期用下去。
说到 code review我最早开始做 open-code-review 这个项目其实是被一次很尴尬的现场逼出来的。当时团队里一个老哥提了一个上千行变更的合并请求我坐在屏幕前啃了两个小时最后只抓住了两个变量命名问题真正会导致内存泄漏的那段逻辑是在上线第二天才被线上告警发现的。那一次之后我就想明白一件事单人靠肉眼做 code review本质上不是能力问题是流程和工具的问题。open-code-review 就是一个把 review 从“人肉扫描”变成“可复用、可审计、可开放协作”的开源工具。它不替代人而是把代码审查里那些机械、重复、容易漏掉的部分自动化掉变更集提取、上下文补全、规则扫描、AI 辅助分析、行内评论回写。适合中小团队想搭一套自己的 review 流程又不想被商业平台绑定死的场景。这篇文章我会把 open-code-review 的设计思路、核心模块、集成方式和踩坑记录都摊开讲一遍。项目本身以 Python 为主用 FastAPI 做服务Git 命令行和 GitLab/GitHub API 负责数据获取规则引擎和可选的 AI 审查模块并行工作。下面直接进入正题。1. 为什么我要把 code review 变成“开放”的1.1 传统 code review 的三个死结先说第一个死结Reviewer 的信息差。一个熟悉业务上下文的老手看 diff 的时候脑子里会自动补全“这个函数之前为什么这么写”“调用方在什么场景下会触发这条路径”。但是这些东西全部存在人脑子里换一个人来 review等于重新考古。团队越大信息差越严重review 质量完全取决于抽到谁。第二个死结是知识沉淀不下来。你今天发现“这个模块不能用并发写同一个文件”你会在评论里写一遍但下个月换了个场景又有人踩同一个坑。因为评审意见散落在各个 MR 里没人把它们变成规则、检查项或者文档。第三个死结是审查过程不可审计。哪些 MR 被认真 review 过、哪些是直接合进去的、某个严重缺陷有没有被评审人提过这些信息很难追溯。等出线上事故的时候复盘只能靠聊天记录截图。这三个死结不是靠“加强责任心”能解决的需要工具把整个流程结构化。1.2 open-code-review 想解决什么所以 open-code-review 的核心设计目标就三条第一把审查的上下文变成团队资产。它不只是读最新的 diff还会把相关历史提交、涉及函数定义、调用链片段一起拉出来让任何人拿到同一份输入都能复现同样的判断。第二把规则变成可扩展的开放配置。审查规则以 YAML/JSON 形式存在仓库里随项目走、随版本走新成员入职看规则文件就知道团队关心什么。第三把审查过程留痕。每条评论、每个规则命中、每次 AI 分析都落到本地数据库里后续可以统计覆盖率、缺陷密度、评审耗时也能在事故复盘时还原当时 review 到底看了什么。一句话总结不是让工具决定“能不能合并”而是让工具把 review 变成一件可以被复制、被测量、被改进的事。1.3 open-code-review 与平台自带功能的差异现在 GitLab、GitHub 都自带 review 功能很多人问为什么不直接用。我的看法是平台自带功能解决的是“提意见”这个环节但不管“提取上下文”“跑规则”“留痕统计”。列个表看得更清楚能力平台自带 Reviewopen-code-review规则自定义受限基本靠人肉开放配置随仓库走变更上下文补全弱只有 diff自动补齐相关提交和函数定义AI 辅助审查厂商锁定或不可用BYOK 或自部署模型都行审查历史审计有限散落在界面里本地数据库完整留痕扩展性依赖平台生态提供 API可自由接入2. 核心流程从 git diff 到可读的审查报告2.1 拿到 diff 只是开始open-code-review 的入口是一个 Webhook 请求收到 Merge Request 或 Pull Request 的 open/update 事件之后第一件事就是去拉取目标仓库的最新代码然后拿到本次变更的 diff。这里有个容易踩的坑如果直接从平台 API 拿 diff很多平台的 diff 是截断过的尤其文件多的时候。所以我更推荐在本地执行git fetch之后用git diff生成完整变更集git fetch origin merge-requests/123/head:mr-123 git diff --unified5 $BASE_SHA...mr-123--unified5参数很关键默认 3 行上下文经常不够定位5 行能让规则引擎和 AI 看到更多前后关系。当然如果服务部署在容器里每次重新 clone 大仓库会非常慢这个后面部署章节会细说。2.2 变更上下文补全把 commit 链起来只看 diff 的最大问题是没有历史。举个例子你在一个函数里看到某个字段被删了但这个字段其实是上一个 MR 刚加进去做兼容处理的。这种情况下任何静态分析都会漏掉必须把相关 commit 的历史拉出来看。所以 open-code-review 在拿到 diff 之后会做三步上下文补全用git log找到本次变更涉及文件的最近 5 条提交记录提取 commit message 和变更摘要。用git blame定位每一处变更行的上一次修改人作为“这个改动为什么存在”的线索。对新增的函数调用尝试匹配仓库内的函数定义位置把函数签名和关键实现片段一并放入上下文。这一步做下来一个 200 行的 diff 在实际分析时可能带着 600 到 800 行的上下文信息对于后续的规则和 AI 分析来说信息量完全不同。2.3 审查报告的生成流程完整的处理链路是这样的Webhook 收到事件 - 拉取最新代码 - 生成完整 diff - 补全变更上下文 - 规则引擎扫描 - AI 模块可选 - 汇总评论列表 - 通过平台 API 发表行内评论 - 写入本地数据库规则扫描和 AI 分析是并行跑的最后再合并结果。这样做的好处是如果团队没配置 AI 的 API Key服务可以完全降级为“静态规则 人工 review 记录”不影响主流程。2.4 一份实际生成的审查报告长什么样我给一个小例子这是 open-code-review 在某次 Java MR 上自动生成的行内评论摘要open-code-review 报告 (规则模式) 高风险无 中风险2 - 文件 UserService.java 第 87 行catch 块为空可能掩盖异常 - 文件 UserService.java 第 121 行使用了共享的 SimpleDateFormat 实例 低风险1 - 文件 UserController.java 第 45 行新增方法缺少 Swagger 注解 审查耗时4.2s | 涉及文件 12 个 | 变更行数 342这些内容会以一条“机器人评论”的形式发在 MR 下面同时每条中风险及以上项会以行内评论的形式挂到对应代码行上。人只负责看机器筛出来的重点比从头扫一遍快得多。3. 审查规则引擎与静态检查的取舍3.1 哪些规则值得内置做规则引擎最忌讳贪多规则一多误报就多误报一多开发者直接把机器人评论当垃圾信息忽略整个系统就失效了。open-code-review 内置规则只保留“高价值、低误报”的几类规则触发条件风险等级密钥硬编码匹配常见密钥格式或关键字高空 except / 空 catch异常捕获块内无任何代码高调试语句泄漏print、System.out、debugger中TODO 提交新增行包含 TODO/FIXME低不安全权限chmod 777、umask 设置高基础镜像固定缺失Dockerfile 里用 latest 标签中这套规则听起来都很基础但真正做到“自动跑”之后能挡住非常多本该在 review 环节被拦下、结果漏到线上的低级问题。3.2 规则引擎的设计规则引擎的设计分成两层第一层是模板匹配用正则或者简单的 AST 检查第二层是钩子函数允许用 Python 写自定义检查逻辑。模板规则用 YAML 表示随仓库存一份方便团队自定义rules: - id: no_debug_print name: 禁止新增调试打印 level: medium pattern: | regex: (?m)^\\.*\\b(print|console\\.log|System\\.out)\\s*\\( message: 新增代码中出现了调试输出语句请确认是否需要保留 files: exclude: - tests/ - *.mdregex里的^\是关键它只匹配 diff 中新增的行不会管历史遗留代码减少大量不必要的噪音。AST 级别的检查用于更复杂的场景比如判断某个方法是否吞掉了异常、某个资源是否在 try-with-resources 里关闭。这类检查在规则文件里配置不了需要写钩子函数但整体结构仍然是输入一个文件路径和 diff 信息输出一条或多条评论。3.3 误报处理误报是规则引擎最大的敌人。我实测下来如果误报率超过 30%团队基本就不会再看机器评论了。处理误报的思路有三层第一规则分级。高风险规则直接默认启用低风险规则默认关闭由团队按需开启。这样即使低风险规则误报多也不会干扰主线体验。第二路径排除。对测试代码、生成的代码、第三方代码目录可以单独设置规则集。比如no_debug_print这条规则在测试目录里就是误报因为测试里经常需要输出调试信息。第三消失机制。某条规则在同一文件的同一片区连续触发 3 次以上时自动降级为静默统计不再生成重复评论。这能避免同一个错误模式在一整个文件里刷屏。3.4 一个自定义规则的完整示例假设团队想加一条“禁止在 API 层直接操作数据库”的规则模板匹配很难搞这时候用钩子函数写 AST 检查会更可靠import ast def check_api_no_db(tree, filepath): if not filepath.endswith(api.py) and not filepath.endswith(controller.py): return [] findings [] for node in ast.walk(tree): if isinstance(node, ast.Call): func node.func if isinstance(func, ast.Attribute): if func.attr in (query, execute) or session in func.attr: findings.append({ line: node.lineno, level: high, message: API 层不应直接操作数据库请迁移到 Service 层, }) return findings把这段函数注册进规则引擎之后新增行里只要出现session.query(...)或cursor.execute(...)就会被标出来。这类规则是团队自己的知识沉淀比任何商业工具的默认规则都更贴合业务。4. AI 辅助审查模块设计思路与成本控制4.1 为什么选择“按 diff 片段”而不是一次性全量消费AI 审查是最能体现“工具加分”的部分也是坑最深的部分。我最开始试过把一个 MR 的全部 diff 一次性丢给大模型让它总结问题效果非常差。原因不是模型不行而是上千行的 diff 放到上下文里模型会“迷失”而且 token 成本高得离谱。后来改成按文件拆分再按 hunk 拆分的处理方式。每个片段控制在 50 到 100 行以内模型每次只针对一个局部变更做分析。这样做有三个好处单次请求的 token 消耗可控成本估算简单。局部化上下文让模型更容易发现更具体的问题比如空指针、重复逻辑。可以并发处理多个片段整体延迟反而比一次性全量低。4.2 提示词模板与输出格式为了让模型输出稳定可用提示词必须做结构化约束。下面是我目前的模板骨架你是一名资深代码审查工程师。以下是一段代码变更内容 diff {diff_content} /diff 相关函数调用关系 context {context_info} /context 请只关注以下类型的真实缺陷 - 明显的空指针或未定义变量 - 资源未释放 - 并发条件竞争 - 逻辑分支遗漏 - 安全问题 不要输出风格建议和重构建议。 如果发现问题按以下 JSON 格式输出不要输出其他内容 [ { line: 行号, level: high|medium|low, message: 问题描述 } ]输出要是非 JSON 格式解析层直接丢弃并按重试处理。用这种强约束之后输出质量稳定了很多。4.3 成本控制和并发策略AI 审查的成本必须提前算清楚。我按 diff 大小把审查分成三个档位变更规模新增行数审查模式单 MR 预计 token0 到 30 行直接交给 AI附带完整上下文约 3k30 到 200 行先跑规则再对命中风险的文件做 AI约 8k200 行以上规则为主AI 只抽检风险最高的文件约 15k策略的核心是规则免费AI 谨慎。不是所有 MR 都值得花 token大部分常规修改跑规则就够了。只有规则命中率高、或者文件涉及核心交易逻辑时才启用 AI 抽检。另外做了一层结果缓存相同仓库、相同 commit SHA 的审查结果直接复用不会重复计费。并发方面用了一个简单的信号量控制同时进行的 AI 请求数量避免把 API 限流打爆。5. 与 GitLab/GitHub 的集成实测5.1 集成方式Webhook 与 APIopen-code-review 服务部署好之后第一步是在代码托管平台配置 Webhook。GitLab 和 GitHub 事件结构大同小异GitLab 监听Merge Request EventsGitHub 监听Pull Request Events。这里有一个重要建议Webhook 收到事件之后不要同步处理而是把事件信息丢进内部的任务队列我只用了一个带持久化的 Redis List服务立即返回 200。因为平台的 Webhook 通常有几秒超时同步处理很容易被判定为失败触发重试重试反过来又造成重复处理。5.2 MR 评论机器人的实现行内评论是核心展示形式。GitLab 和 GitHub 的 API 都是先确定一个 commit SHA再按文件路径和行号发评论。GitLab 侧的一个典型调用curl --request POST \ --header PRIVATE-TOKEN: $GITLAB_TOKEN \ --header Content-Type: application/json \ --data { position: { position_type: text, new_path: src/user_service.py, new_line: 121, base_sha: ..., start_sha: ..., head_sha: ... }, body: 中风险使用了共享的 SimpleDateFormat 实例 } \ https://gitlab.example.com/api/v4/projects/$PROJECT_ID/merge_requests/$MR_ID/discussionsGitHub 用的是reviewsAPI 的comments字段结构类似。这块没有太多玄学需要注意的就是position里的三个 SHA 值必须取自 Webhook 事件里的原始字段不能自己随便填否则评论定位会失败。5.3 如何配置才不影响开发流程机器人介入开发流程最忌“喧宾夺主”。我先说几个实测有效的配置经验第一评论要有固定前缀。所有自动评论统一以open-code-review:开头方便开发者在通知流里快速过滤。第二不要设置 blocking 状态。机器人评论默认不带 “Changes requested” 状态只作为提示。是否阻塞合并由人来决定。机器人的价值是提供信息而不是做裁决。第三合并后自动清理。MR 合并之后把相关记录标记为已处理避免在下一个 MR 的上下文里重复出现旧问题。第四静默窗口。同一个文件在 24 小时内如果已经报告过同一个规则命中就不重复报告避免开发反复看到同一个噪音。6. 部署踩坑记录与调优经验6.1 场景一次 2000 文件变更导致服务假死第一次上线做压测的时候遇到一个真实场景某个老项目的一次依赖升级 MR 变更了 2000 多个文件Webhook 一进来open-code-review 服务直接响应超时日志里全是 git fetch 卡住的堆栈。排查链路是这样的先看日志发现所有 worker 都被卡在git fetch上。手动在容器里跑了一次git fetch发现要拉完整镜像仓库的 2.1GB 对象。再看代码发现容器每次启动都是全新 clone没有做持久化缓存。最后确认浅克隆加增量 fetch 可以解决但需要维护一个持久的裸仓库缓存。修复方案是在服务侧维护一个remote cache目录每个仓库只git init --bare一次之后每次只做git fetch origin refs/merge-requests/*/head:refs/remotes/origin/*增量更新。改造之后同样的超大 MR 处理时间从 15 分钟降到了 40 秒主体耗时都花在规则引擎上。6.2 场景Webhook 重复投递导致重复评论平台 Webhook 有重试机制加上网络抖动同一个事件被投递两次是常有的事。第一次没处理完第二次又来了结果同一个 mr 下出现两套一模一样的评论体验非常糟糕。标准做法是引入幂等表。在数据库里建一张review_events表以 (platform, project_id, event_id) 作为唯一键处理前先检查是否已存在。这样可以保证同一个事件永远只被处理一次。实现也很简单插入前先查唯一约束兜底event ReviewEvent( platformgitlab, project_idpayload[project][id], event_idpayload[object_attributes][iid], commit_shapayload[object_attributes][last_commit][id], ) if ReviewEvent.query.filter_by( platformevent.platform, project_idevent.project_id, event_idevent.event_id, ).first(): return duplicated event, skip6.3 后续扩展和目前还在打磨的方向open-code-review 目前已经在我自己的团队里跑了大半年规则命中率还算稳定。现在在做的几个后续方向一个是更细粒度的统计面板希望把每个团队的 review 覆盖率、规则命中率、AI 审查占比做成看板让管理者能看到真实数据而不是拍脑袋。另一个是插件机制。目前自定义逻辑靠钩子函数但要更方便地让社区贡献规则还需要一个更轻量的插件加载方式比如一个 Python 文件放到plugins/目录就能被自动识别。最后是离线运行模式。有些团队代码库完全在内网不能访问外部模型 API。我正在做的一个方案是把 AI 审查模块抽象出统一的llm_client接口兼容自部署的本地模型用内网算力跑审查分析。按我自己的使用感受代码审查工具最怕的就是做得太重开发反对、维护也麻烦。open-code-review 走的路线是“可选择的自动化”小 MR 全自动跑规则大 MR 规则加 AI 抽样严重问题给人看普通问题只统计不打搅。这个分寸拿捏住了团队才愿意长期用下去。
