【AIGC】基于大模型+知识库的Code Review实践_aigc知识库

目录

一、背景描述

二、技术原理

三、基于大模型与知识库的Code Review实践

1、选择合适的大模型与知识库

2、集成大模型与知识库到Code Review流程

3、结合人工审查

4、持续优化与改进

四、技术细节

1、gitlab配置mr的webhook

获得差异代码

2、请求通义千问获得review结果

前提条件

3、Gitlab调用代码review评论API

1. 获取私有令牌（Private Token）

2. 调用 API

3. 创建评论

4. 注意事项

参考资料

一、背景描述

• 一句话介绍就是：基于开源大模型 + 知识库的 Code Review 实践，类似一个代码评审助手（CR Copilot）。
• 信息安全合规问题：公司内代码直接调 ChatGPT / Claude 会有安全/合规问题，为了使用 ChatGPT / Claude 需要对代码脱敏，只提供抽象逻辑，这往往更花时间。
• 低质量代码耗费时间：业务每天至少 10~20 个 MR 需要 CR，虽然提交时 MR 经过 单测 + Lint 过滤了一些低级错误，但还有些问题（代码合理性、经验、MR 相关业务逻辑等）需要花费大量时间，最后可以先经过自动化 CR，再进行人工 CR，可大大提升 CR 效率！
• 符合公司安全规范，所有代码数据不出内网，所有推理过程均在内网完成
• 团队 Code Review 规范缺少执行：大部分团队的 Code Review 停留在文档纸面上，成员之间口口相传，并没有一个工具根据规范来严格执行。
• 声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Gausst松鼠会/article/detail/722713