用 AI 自动 Code Review：一次提升团队代码质量的尝试

发表于 阅读次数：

写在前面：一眨眼，又快到月底了。立下的“每周写一篇技术博客”的 FLAG，果然还是很容易被现实狠狠打脸……
本文内容源自 2025 年 6 月在事业部内部的一次技术分享，主题是《AI Code Review 技术实践》。今天整理成文，既是复盘，也希望能给同样在探索 AI 辅助开发的朋友们一些参考。

一、为什么我们需要 AI 自动 Code Review？

随着团队规模快速扩张，我们逐渐面临几个棘手的问题：

  1. 新人涌入，代码风格不一
    新成员技术背景各异，对团队规范的理解和执行参差不齐，导致代码一致性下降。
  2. 低级错误频发
    诸如空指针、未处理异常、重复逻辑等“本不该犯”的错误越来越多，直接影响系统稳定性和用户体验。
  3. 人工 Review 越来越吃力
    导师和项目经理的时间本就紧张，面对海量 PR（Pull Request），很难做到逐行细致审查，效率和覆盖率都难以保证。
  4. 质量依赖“人治”
    虽然有代码规范和检查工具，但是否执行、执行多严格，往往取决于个人习惯——这显然不可持续。

于是，我们开始思考：能否借助大模型的能力，实现自动化的、智能的代码审查？

二、我们的核心需求

在调研和讨论后，我们明确了几个关键需求：

  • ✅ 基于大模型自动审查：支持对多种语言的代码文件进行智能分析；
  • ✅ 内网可部署：保障代码安全，不依赖外部 SaaS 服务；
  • ✅ 深度集成 GitLab：公司使用 GitLab 管理代码，需支持 MR（Merge Request）和 Push 触发；
  • ✅ 结果推送钉钉：通过企业钉钉机器人，将审查结果实时同步到项目群，确保问题不被遗漏。

三、选型：为什么是 AI-Codereview-Gitlab？

经过对比多个开源方案，我们最终选择了 AI-Codereview-Gitlab（ https://github.com/sunmh207/AI-Codereview-Gitlab）。它不仅满足上述需求，还有不少亮眼特性：

🌟 核心优势

  • 自动触发，无需人工干预
    利用 GitLab Webhook，代码提交或 MR 创建时自动触发审查，响应迅速。
  • 深度集成 GitLab API
    可灵活扩展，未来支持自定义规则、标签过滤等高级功能。
  • 全自动覆盖多种提交场景
    无论是 push 还是 merge request，都能自动分析并评论到对应位置。
  • 网络异常自动重试
    内置 retrying 机制，确保在内网环境不稳定时仍能可靠运行。

🚀 额外加分项（来自官方 README）

  • 多模型支持：兼容 DeepSeek、ZhipuAI、OpenAI、通义千问、Ollama 等，想换就换；
  • 多平台消息推送：钉钉、企业微信、飞书一键打通；
  • 每日开发日报：基于 Git 提交记录自动生成日报，谁在“摸鱼”一目了然（开玩笑的 😼）；
  • 可视化 Dashboard：集中展示所有审查记录、开发者统计，数据驱动改进；
  • Review 风格可选：
    • 🤵 专业型：严谨正式，直指问题；
    • 😈 讽刺型：毒舌吐槽（“这代码是用脚写的吗？”）；
    • 🌸 绅士型：温柔建议（“或许这里可以再优化一下呢~”）；
    • 🤪 幽默型：轻松搞笑（“这段 if-else 比我的相亲经历还曲折！”）。

虽然“讽刺型”很有趣，但我们生产环境还是乖乖用了“专业型”……

另附上原理图：

当用户在 GitLab 上提交代码（如 Merge Request 或 Push 操作）时，GitLab 将自动触发 webhook 事件，调用本系统的接口。系统随后通过第三方大模型对代码进行审查，并将审查结果直接反馈到对应的 Merge Request 或 Commit 的 Note 中，便于团队查看和处理。

image-20251029102122017

四、部署与配置简要流程

如果你也想尝试，以下是关键步骤（以内网 GitLab + 钉钉为例）：

1、生成 GitLab Personal Access Token

​ 在gitlab中的用户设置生成个人访问令牌，该账号需要有对应项目的maintainer权限

image-20251029102308572

2、创建钉钉机器人

​ 由于我司采用的是钉钉，所以这边创建钉钉机器人，并记录对应的webhook地址。（PS：没有使用IM需求的人员，可以直接无视此内容）

image-20251029102315869

3、在 GitLab 项目中配置 Webhook

​ a. 填写webhook地址（即我们部署AI-Codereview-Gitlab的地址，正常是 IP:5001/review/webhook ）；

​ b. 选择触发来源事件，实际上只要推送事件即可，合并事件是否需要根据实际需求来；

​ c. 关闭SSL验证。

image-20251029102321527

4、修改项目配置文件

​ 来到项目中，调整项目的配置文件，配置在/conf/.env中，一般来说，需要调整几块内容：

​ a. 调整使用的大模型，根据注释里面选择对应的参数；

​ b. 调整大模型的配置的，调整对应的KEY及model名称；

​ c. 调整review支持的文件类型及review风格，此部分可不调整；

​ d. 调整gitlab配置，里面的token即我们在步骤1生成的用户token

​ e. 设置推送的IM参数，这边可以设置到具体的项目信息，即DINGTALK_WEBHOOK_URL_+项目名称

image-20251029102325972

5、重启服务，开始使用！

五、实际使用反馈：理想很丰满，现实需调和

上线后，效果没有想象中那么“惊艳”，但也带来了实实在在的价值：

  • 老员工有点“傲娇”
    一些资深开发者对 AI 的建议不太买账，尤其当问题只是“风格不一致”而非“逻辑错误”时，容易被忽略。
  • 新人受益明显
    对刚入职的同学，AI Review 成了“无声导师”，能快速指出常见错误，大幅降低辅导成本。
  • 重点关注低分代码
    我们设定了一个阈值（如评分 < 60），对这类代码进行人工复核，效果显著。

所以，AI Code Review 不是替代人工，而是辅助聚焦——把人力从重复劳动中解放出来，专注于真正需要深度思考的问题。

六、写在最后

AI 正在深刻改变软件开发的每一个环节。Code Review 作为保障质量的关键一环，引入大模型是顺势而为。虽然目前它还不能完全“读懂”业务意图，但在规范检查、漏洞预警、风格统一等方面，已经展现出巨大潜力。

如果你也在为团队代码质量头疼，不妨试试这类工具。哪怕只是从“帮新人把关”开始，也是迈向高效研发的重要一步。

技术不是万能的，但不用技术，可能连“能”都谈不上。