🚀 CI+GPT 双引擎驱动，🤖 开启 AI 代码评审新纪元代码评审 Code Review 是提高代码质量、促进

代码评审 Code Review 是提高代码质量、促进团队合作、知识间共享的关键环节，对于系统代码质量和稳定性都至关重要。


时间消耗大：代码评审是一个耗时的过程，特别对于大型项目和复杂的代码更是如此。
无档期：评审者无时间会造成研发卡点。
一致性缺乏：不同的审查者可能会有不同的编码标准和偏好，这可能导致代码审查的反馈缺乏一致性，给开发者带来混淆。
可能遗漏错误：人为审查的过程中可能会因为疲劳、疏忽或知识限制而遗漏一些错误，尤其是对于难察觉的逻辑错误和性能问题。
主观性：代码审查很容易受到审查者个人偏好和情绪的影响，有时可能会导致不必要的争议。

🤔人为代码评审存在的弊端主要源于人力的局限性（如疲劳、无时间、主观偏见、认知局限等）。这些因素共同作用导致审查过程中可能出现的时间效率低、一致性差、错误遗漏和主观性问题。

🗣用五个词语总结： **易疲劳**``**主观偏见**``**规范少**``**沟通难**``**知识缺**

🤖 利用 AI 大模型进行代码评审，可以显著提高效率、减少人为错误，通过自动化分析和建议，弥补人为评审的局限性。同时还能促进代码一致性和质量，但需要适当的人机协作模式以充分发挥其潜力。

将 GPT 嵌入到 CI 实时 code review 助研发一臂之力。
提高效率：自动化审查过程大大减少了人工审查所需的时间，加快了开发周期。
增强准确性：AI 模型可以持续学习，减少人为疏漏，提高代码审查的准确性和质量。
一致性保障：确保代码遵循最佳实践和项目规范，整体一致性。
即时反馈：开发者可以即时获得反馈，快速修正问题，不卡点。
知识共享：AI 评审过程中的建议可以作为学习资源，帮助开发团队提升编码水平。

**底层依赖：**京东言犀大模型、行云流水线（云原生）、单元测试脚本、coding 代码评审机制（webhook）

【简易版📌】AI 代码评审接入手册 👉 见评论 已成型机制，京东内部一键式接入！

群号见评论区哦！

4.1 接入京东言犀大模型（行业内类 ChatGPT 大模型均可）

言犀大模型文档 （JD 内部免费 - 代码安全）

**申请接入 GPT（**评论区加群 or 私信我 **审批连接）：填写申请原因和基础信息。**🖐（行业内类 ChatGPT 大模型均可~）

审批完成会收到 API key （chatrhino-14B 暂时输入内容的最大长度为 45000 字符，通常代码修改可以满足）

4.2 内置 AI Review 脚本（Git 代码库 API 打通）

1、调用 coding API（获取 MR 的 commit 起止点） 2、调用 coding API（获取本次代码 diff） 3、调用 GPT- API（京东大模型）

脚本链接汇总（评论区加群 or 私信我 获取）：目前支持的模型有 Chatrhino-14B（最新版本 - 选择此模型）、Chatrhino、Chatrhino-JingYan 其它模型持续集成中。

AiCodeReview.java 脚本案例（java 语言 - junit5 版本）粘贴到自己代码库中即可

📢注意：不必须依赖 junit5，可以自行切换 junit4，demo 只是提供框架思路，落地后可根据代码库场景优化脚本！

替换 2 个变量：

① API Token

• 建议申请协同虚拟账号（优势：很稳定，不会随个人账号离职等变化）：部门公共 AI 架构师评审，设置 API Token

【流程中心 - 协同办公 - 协同（虚拟）账号管理】👉 别忘了 coding 给他加个权限！

② PROJECT_ID：替换为您的 Git 应用 id（如下查看）

③ 大模型 api-key：替换为您的 key（查看 4.1 部分）

• 核心脚本逻辑步骤如下示例：

void aiCodeReviewByChatrhino() {
    
    String mergeRequest = System.getProperty("mergeRequest");
    if (mergeRequest == null) return;
    
    System.out.println("【流水线触发MergeRequest】------------------------------------------------ " + mergeRequest);

    
    String codeDiff = getCodingDiff(mergeRequest);
    System.out.println("【coding的diff内容】------------------------------------------------" + codeDiff);

    
    String result = gptReview(codeDiff);
    System.out.println("【京东言犀大模型评论】------------------------------------------------" + result);

    
    note(objectMapper.readTree(result).get("choices").get(0).get("message").get("content").asText(), mergeRequest);
    System.out.println("【coding评审note记录】------------------------------------------------" + noteContent + "-----------------------------------------------");
}

✋脚本内设定 AI 人设（content 字段）：根据自己需求定义 prompt

比如你想用于分析本次改动业务语义、或者专注于找 bug、亦或者代码写法是否规范等

4.3 搭建 CI 流水线（持续集成）

① 新建流水线：导入 AI 流水线脚本模版 yaml 创建 AI Code Review 机制

流水线原子：【下载代码】+【java 编译】+【咚咚通知】

② 原子参数配置修改：【下载代码原子】+【maven 编译原子】改为自己代码库和脚本路径

•【咚咚通知原子】默认配置即可，📢 提交代码研发

✍️ 同部门下建议独立脚本代码库，projectID 动态传入，不同应用可实现《一键式接入》（只需导入流水线即可实现 AI 评审）-DprojectId=${globalParams.user.WEBHOOK_ATTR_PROJECT_ID}

分支：${globalParams.user.BRANCH} 相对目录（脚本放置位置）：${globalParams.system.APP_IDENTIFIER}

mvn test -Dtest=com.jdwl.wms.common.AiCodeReview -DmergeRequest=${globalParams.user.WEBHOOK_ATTR_MERGE_REQUEST_ID} -DfailIfNoTests=false -Dmaven.test.failure.ignore=true

③【触发设置】绑定自己代码库，MR Create/Updated 事件（原因：coding 的 push 操作统一触发 mr create/update 操作）