← Voltar aos guias

用LLM自动审PR：从差异提取到可落地告警的实战指南

为什么自动化PR审查值得做

把LLM接到Pull Request审查流程里，不是为了替代人工，而是先把“重复、机械、容易漏”的问题筛掉：命名不一致、明显的空指针风险、缺少测试、越权访问、异常处理不完整、日志泄露敏感信息等。真正有价值的做法，是让模型先做第一轮高覆盖率扫描，再把高风险项交给人类审核。这样既能缩短反馈时间，也能把资深工程师从低价值评论里解放出来。

要想做得稳，核心不是“把diff丢给模型”，而是把它设计成一个可控的审查流水线：先抓取变更，再补足上下文，再按规则生成结论，最后以结构化方式回写到PR里。

先做差异预处理，而不是直接喂整份代码

最常见的失败方式，是把整个仓库或者超长diff一次性输入，结果模型注意力被稀释，评论又泛又空。更好的做法是：

• 只取本次PR新增和修改的文件，排除锁文件、生成文件、依赖目录和纯格式化变更。
• 按文件和函数切块，保留行号、上下文行和变更类型。
• 对大文件使用分段审查：先审高风险片段，再汇总全局结论。
• 保留提交标题、PR描述、关联issue、测试结果和CI状态，帮助模型理解意图。

如果你的项目里有强约束，比如支付、鉴权、数据迁移、并发控制，建议额外喂入对应的架构说明或代码规范，否则模型容易只看见局部，不知道“这段改动为什么危险”。

提示词要像审查清单，而不是聊天问题

高质量的PR审查提示词，应该明确要求模型按固定维度输出。建议包含以下几个部分：

• 审查目标：找出会导致bug、可维护性下降、测试缺失或安全风险的问题。
• 约束条件：只基于给定diff和上下文判断，不要猜测不存在的代码。
• 输出格式：每条问题必须包含文件、行号、严重级别、原因、建议修复方式。
• 优先级规则：先报高严重度问题，再报中低严重度；没有问题也要说明为什么。

实战里我建议把模型输出限制成结构化JSON，再由你的服务转换成PR评论。这样更容易做去重、排序和告警。例如，你可以要求模型返回“severity、confidence、summary、evidence、suggestion”五个字段，并强制引用具体行号。没有行号的评论，往往不好落地。

用两阶段模型策略降低成本和误报

自动审PR最怕两件事：太贵和太吵。解决方法通常是两阶段：

• 第一阶段：用更便宜、更快的模型做初筛，找出疑似高风险文件和片段。
• 第二阶段：只把高价值片段交给更强的模型深度审查，输出最终评论。

这正是59API很适合的地方。它是一个AI API relay，支持Claude和GPT系列模型，按量付费，成本通常比直接接入更友好，而且是原生官方质量模型，没有降级。对于PR审查这种高频但单次token消耗可控的场景，低成本和稳定性都很重要。你可以直接把API base URL设成https://api.59api.com，继续用你现有的OpenAI SDK、Claude Code或Codex集成方式，不必重写整套调用逻辑。

把上下文检索做对，评论质量会明显提升

模型只看到diff，通常会漏掉“调用方约定”和“旧逻辑依赖”。一个实用技巧是：当diff里出现函数签名、类名或关键配置项时，自动从仓库里检索其定义、调用点和测试用例，再拼成上下文包。尤其要关注：

• 同名函数的历史实现，避免模型误判“改动是否破坏兼容性”。
• 单测、集成测试和快照测试，帮助模型判断是否补测。
• 权限校验、输入校验、事务边界、重试逻辑等高风险代码。

另外，建议把“项目级规范”单独维护成短文档，例如提交信息规范、错误处理规范、日志脱敏规范。每次审查都附上这些规则，模型就更容易给出一致的建议。

上线前一定要做三类护栏

第一，人类兜底。LLM的建议默认只是评论，不要自动合并或自动阻断，除非你已经有成熟的验证器。第二，误报过滤。对重复出现的低价值建议，比如风格问题、变量重命名，设置白名单或阈值。第三，安全边界。不要把密钥、私有配置、用户数据原文直接发给模型，必要时先做脱敏和摘要化。

最后要持续评估：统计模型评论的采纳率、误报率、平均节省的人工时间，以及哪些仓库、哪些语言、哪些类型的PR最适合自动审查。你会很快发现，LLM并不是“全能审查员”，但它非常适合做高频预筛和一致性检查。

如果你想低成本开始，先从API接入做起

如果团队已经在用OpenAI SDK、Claude Code或Codex，可以直接把请求切到59API，快速验证自动审PR流程：先在一个仓库做灰度，再逐步扩展到多个服务。59API提供按量计费和返利机制，对需要大量试验提示词、评估模型效果的团队尤其友好。想尽快跑通一个可用版本，可以先注册账号，拿一个小PR试试，再根据误报情况调整规则与模型组合。