# 告别低效代码审查！我用 AI 打造了一个智能代码审查工具，支持多模型、GitHub 集成告别低效代码审查！我用 AI

告别低效代码审查！我用 AI 打造了一个智能代码审查工具，CLI 轻量化 + 美观界面 + 智能边界处理

💡 前言：还在为代码审查效率低、规则不统一而烦恼？我开发了一个基于大语言模型的 AI 代码审查工具 @aicodereview/ai-code-review。最大的亮点是：CLI 轻量化本地执行、美观的 Web 审查界面、智能的边界处理（批量处理 + 自动续写）。支持 OpenAI、Anthropic、Moonshot、DeepSeek 等多种模型，还能自动集成到 GitHub PR 流程中。今天来分享一下这个工具的设计思路和使用体验。

GitHub：欢迎 Star ⭐ 和 Fork 🍴

🤔 为什么需要 AI 代码审查？

作为一名前端开发工程师，我经常遇到这样的问题：

代码审查效率低：人工审查代码耗时耗力，特别是面对大型 PR 时，审查者需要逐行阅读代码，容易遗漏问题
规则不统一：团队内部代码规范难以统一执行，每个人对最佳实践的理解不同
审查质量不稳定：依赖审查者的经验和状态，容易出现遗漏或过度审查
重复性工作：很多代码问题（如魔法数字、函数过长、类型安全等）是重复的，完全可以自动化

于是，我决定开发一个基于 AI 的代码审查工具，让 AI 帮助开发者进行更高效、更一致的代码审查。

🚀 工具介绍：@aicodereview/ai-code-review

@aicodereview/ai-code-review 是一个基于大语言模型的智能代码审查工具，它能够：

🤖 自动审查代码变更：基于 Git diff 自动分析代码变更，无需手动操作
📊 可视化审查结果：提供类似 GitHub 的 Web 界面，直观展示审查结果
🎯 基于规则的审查：内置 TypeScript、React、代码设计等 56+ 条最佳实践规则
🔄 智能批量处理：自动将大型变更集拆分为批次，优化 token 使用
🌐 多模型支持：支持 OpenAI、Anthropic、Moonshot 以及自定义 API（如 DeepSeek）
🔗 GitHub 集成：可自动将审查结果发布为 PR 评论

✨ 三大核心亮点

1. 🚀 CLI 轻量化，本地可执行，即时查看结果

核心优势：

✅ 零配置启动：一条命令即可开始审查，无需复杂配置
✅ 本地执行：所有数据在本地处理，保护代码隐私
✅ 即时反馈：审查完成后立即启动 Web 服务器，查看结果
✅ 轻量级：不依赖外部服务，完全本地化运行

# 一条命令，完成所有操作
code-review master

# 审查完成后自动启动服务器，浏览器自动打开
# http://localhost:3000

使用场景：

本地开发时快速审查代码变更
提交 PR 前自我审查
团队内部代码质量检查

2. 🎨 美观的 CodeReview 页面，数据统计 + 主题切换

工具提供了类似 GitHub 的专业审查界面，包含：

🔍 CLI 执行

💬 代码审查界面

代码审查界面转存失败，建议直接上传图片文件

详细评论展示：每条评论包含规则信息、改进建议
代码定位：点击评论自动跳转到对应代码行
规则详情：查看规则描述、正确/错误示例

📈 统计面板

问题类型分布：饼图展示 error/warning/info 占比
规则统计：展示违反最多的规则
文件统计：各文件的问题数量
交互式过滤：点击统计项可快速过滤评论

🎨 主题切换

一键切换：右上角主题切换按钮

3. 🛡️ 智能边界处理，应对大规模审查

这是工具的核心技术亮点，解决了 AI 代码审查中的关键问题：

🔄 智能批量处理

问题：大型 PR 可能包含数百个文件，远超模型上下文限制

解决方案：

✅ 自动 token 估算：精确估算中英文混合代码的 token 数量
✅ 智能分批：根据模型上下文窗口自动拆分文件批次
✅ 单文件处理：超大文件单独处理，避免超出限制
✅ 失败重试：自动重试失败的批次，确保完整性

// 自动分批逻辑
- 估算每个文件的 token 数
- 根据模型上下文限制（如 131072 tokens）
- 智能组合文件，最大化批次利用率
- 预留响应 token 空间

🔁 自动续写机制

问题：AI 返回的 JSON 可能被截断，导致解析失败

解决方案：

✅ JSON 完整性检测：自动检测 JSON 是否完整
✅ 智能续写：检测到截断后自动请求 AI 继续完成
✅ 增量解析：已解析的部分不会丢失
✅ 可配置重试：最多支持 10 次续写（可通过 --max-retries 配置）

📊 实际效果

测试场景：审查包含 80+ 文件的 PR

传统方式：需要手动分批，容易遗漏，耗时 2-3 小时
使用本工具：
- ⚡ 自动分批：5 个批次，每个批次 15-20 个文件
- ⚡ 自动续写：3 个批次触发了续写，全部成功完成
- ⚡ 总耗时：8 分钟
- ✅ 完整性：100% 覆盖所有文件

💡 其他核心特性

多 LLM 提供商支持

工具支持多种主流 LLM 提供商，你可以根据需求选择最适合的模型：

# OpenAI
LLM_PROVIDER=openai
LLM_MODEL_NAME=gpt-4

# Anthropic Claude
LLM_PROVIDER=anthropic
LLM_MODEL_NAME=claude-3-opus-20240229

# Moonshot
LLM_PROVIDER=moonshot
LLM_MODEL_NAME=moonshot-v1-8k

# 自定义（如 DeepSeek）
LLM_PROVIDER=custom
LLM_MODEL_NAME=deepseek-chat
LLM_BASE_URL=https://api.deepseek.com

内置审查规则

工具内置了 56+ 条代码审查规则，涵盖：

TypeScript 规则（15 条）：类型安全、接口定义、泛型使用等
React 规则（20 条）：组件设计、Hooks 使用、性能优化等
代码设计规则（21 条）：函数设计、代码组织、错误处理等

每条规则都包含：

规则描述和原因
正确示例和错误示例
严重程度级别（强卡控/建议/优化）

GitHub Actions 集成

可以轻松集成到 GitHub Actions 工作流中，自动审查 PR：

- name: AI Code Review
  uses: actions/setup-node@v3
  with:
    node-version: '18'
    
- name: Run Code Review
  run: |
    npm install -g @aicodereview/ai-code-review
    code-review-github \
      --github-token ${{ secrets.GITHUB_TOKEN }} \
      --github-owner ${{ github.repository_owner }} \
      --github-repo ${{ github.event.repository.name }} \
      --github-pr ${{ github.event.pull_request.number }}
  env:
    LLM_API_KEY: ${{ secrets.LLM_API_KEY }}

📖 快速开始

安装

npm install -g @aicodereview/ai-code-review

配置

创建 .env 文件：

LLM_API_KEY=your_api_key_here
LLM_PROVIDER=custom
LLM_MODEL_NAME=deepseek-chat
LLM_BASE_URL=https://api.deepseek.com
LLM_MAX_TOKENS=8192

使用

# 审查当前分支与 master 的差异
code-review master

# 使用自定义规则
code-review master --rules ./team-rules.json

# 仅保存结果，不启动服务器
code-review master --no-server --output ./review-results

# 使用中文
code-review master --lang zh-CN

🎯 实际效果展示

审查结果示例

工具会生成详细的审查报告，包括：

问题定位：精确到文件、行号
严重程度：error（必须修复）、warning（建议修复）、info（优化建议）
规则关联：每个问题都关联到具体的审查规则
改进建议：提供具体的代码改进建议

统计信息

工具会自动生成统计信息：

问题类型分布（饼图）
规则违反统计
文件级别统计
审查耗时和 token 使用情况

边界处理效果

场景 1：大型 PR（80+ 文件）

✓ 自动拆分为 5 个批次
✓ 每个批次 15-20 个文件
✓ 总耗时：8 分钟
✓ 完整性：100%

场景 2：JSON 截断处理

✓ 检测到 JSON 不完整
✓ 自动请求续写（3 次）
✓ 成功合并所有评论
✓ 无数据丢失

场景 3：超大文件处理

✓ 检测到单个文件超过限制
✓ 自动单独处理
✓ 成功完成审查

🔧 技术实现亮点

1. 智能 Token 估算

针对中英文混合代码，实现了更准确的 token 估算：

// 中文：约 1.5 个字符 = 1 token
// 英文/代码：约 4 个字符 = 1 token
// 混合内容：使用加权平均
function estimateTokens(text: string): number {
  const chineseChars = (text.match(/[\u4e00-\u9fa5]/g) || []).length;
  const otherChars = text.length - chineseChars;
  // 加权平均计算
  return Math.ceil(chineseChars / 1.5 + otherChars / 4) + 10; // 预留格式开销
}

2. JSON 续写机制（核心亮点）

当 AI 返回的 JSON 不完整时，工具会自动请求续写：

// 续写流程
async function callLLMAPIWithCompletion(messages, maxContinuations = 10) {
  let fullResponse = '';
  let continuationCount = 0;
  
  while (continuationCount <= maxContinuations) {
    const response = await callLLMAPI(messages);
    fullResponse += response;
    
    // 检测 JSON 完整性
    if (isJSONComplete(fullResponse)) {
      return parseJSON(fullResponse);
    }
    
    // 请求续写
    continuationCount++;
    messages.push({
      role: 'user',
      content: `请继续完成 JSON 输出...`
    });
  }
}

关键特性：

✅ 检测 JSON 完整性（括号匹配、引号闭合）
✅ 自动提取已解析的部分（避免重复）
✅ 智能续写提示（包含上下文信息）
✅ 可配置重试次数（默认 10 次）

3. 智能批量处理算法

function splitIntoBatches(files, maxTokens) {
  const batches = [];
  let currentBatch = [];
  let currentTokens = 0;
  
  for (const file of files) {
    const fileTokens = estimateTokens(file.diff);
    
    // 单个文件超过限制，单独处理
    if (fileTokens > maxTokens * 0.8) {
      batches.push([file]);
      continue;
    }
    
    // 添加到当前批次
    if (currentTokens + fileTokens < maxTokens) {
      currentBatch.push(file);
      currentTokens += fileTokens;
    } else {
      // 开始新批次
      batches.push(currentBatch);
      currentBatch = [file];
      currentTokens = fileTokens;
    }
  }
  
  if (currentBatch.length > 0) {
    batches.push(currentBatch);
  }
  
  return batches;
}

4. 规则映射和验证

确保每个评论都包含完整的规则信息：

自动从规则文件中加载规则
验证评论中的规则 ID
自动补充缺失的规则信息
支持自定义规则文件

5. 国际化支持

完整支持中英文：

CLI 输出国际化
Web UI 界面国际化
错误消息国际化
默认使用英文，可通过 --lang 切换

📊 使用体验

优点

效率提升：原本需要 1-2 小时的代码审查，现在几分钟就能完成
一致性：所有代码都按照统一的规则进行审查，不会遗漏
学习价值：每次审查都是一次学习，可以看到 AI 给出的改进建议
可定制：支持自定义规则，可以根据团队需求调整
边界处理完善：自动处理大规模审查和 JSON 截断问题，无需人工干预
界面美观：专业的审查界面，数据统计一目了然

注意事项

API 成本：使用 LLM API 会产生费用，建议合理控制审查频率
模型选择：不同模型的审查质量有差异，建议根据项目需求选择
规则调整：内置规则可能需要根据项目实际情况调整
网络要求：需要能够访问 LLM API（OpenAI、DeepSeek 等）

🚀 未来规划

支持更多编程语言（Java、Python、Go 等）
支持更多 LLM 提供商（通义千问、文心一言等）
提供 VS Code 插件
支持增量审查（只审查新增代码）
提供审查报告导出功能
支持团队规则共享和版本管理

📦 项目地址

GitHub：欢迎 Star ⭐ 和 Fork 🍴

💬 使用案例

案例 1：大型 PR 审查

之前审查一个包含 50+ 文件变更的 PR，需要：

⏱️ 人工审查：2-3 小时
❌ 容易遗漏问题
😫 审查者疲劳

使用 AI 工具后：

⚡ 自动审查：5-10 分钟
✅ 全面覆盖所有规则
📊 生成详细统计报告

案例 2：团队规范统一

团队内部代码规范执行不一致：

不同成员对规范理解不同
审查标准不统一
新人上手困难

使用 AI 工具后：

📋 统一的审查标准
🎓 新人可以通过审查结果学习规范
📈 团队代码质量稳步提升

🙏 总结

AI 代码审查工具不是要替代人工审查，而是要帮助开发者更高效地进行代码审查。

核心价值

🚀 CLI 轻量化：一条命令完成所有操作，本地执行，保护隐私
🎨 美观界面：专业的审查界面，数据统计清晰，支持主题切换
🛡️ 智能边界处理：自动批量处理 + JSON 续写，应对大规模审查

主要能力

✅ 快速发现常见问题：自动检测魔法数字、函数过长、类型安全等问题
✅ 统一代码规范执行：确保所有代码都按照统一标准审查
✅ 提供学习参考：每次审查都是一次学习机会
✅ 节省审查时间：将审查时间从小时级降低到分钟级
✅ 处理大规模变更：智能分批处理，自动续写，确保完整性

适用场景

🏢 团队开发：统一代码规范，提升代码质量
🎓 学习提升：通过 AI 审查学习最佳实践
🚀 快速迭代：在快速开发中保持代码质量
🔍 代码审计：定期审查代码库，发现潜在问题
📦 大型 PR 审查：自动处理大规模代码变更，无需人工分批

如果你也在为代码审查效率而烦恼，不妨试试这个工具。特别是那些需要审查大型 PR 的团队，工具的智能边界处理能力会让你眼前一亮！欢迎提出建议和反馈！

🏷️ 标签

#AI #代码审查 #TypeScript #React #开发工具 #LLM #GitHub #前端开发 #代码质量 #自动化

如果这篇文章对你有帮助，欢迎点赞 👍 和收藏 ⭐，也欢迎在评论区分享你的使用体验！