【AIGC】基于大模子+知识库的Code Review实践
目次一、背景描述
二、技术原理
三、基于大模子与知识库的Code Review实践
1、选择符合的大模子与知识库
2、集成大模子与知识库到Code Review流程
3、结合人工检察
4、连续优化与改进
四、技术细节
1、gitlab设置mr的webhook
获得差别代码
2、哀求通义千问获得review结果
前提条件
3、Gitlab调用代码review批评API
1. 获取私有令牌（Private Token）
2. 调用 API
3. 创建批评
4. 注意事项
参考资料
一、背景描述
[*]一句话介绍就是：基于开源大模子 + 知识库的 Code Review 实践，类似一个代码评审助手（CR Copilot）。
[*]信息安全合规标题：公司内代码直接调 ChatGPT / Claude 会有安全/合规标题，为了使用 ChatGPT / Claude 必要对代码脱敏，只提供抽象逻辑，这往往更花时间。
[*]低质量代码泯灭时间：业务每天至少 10~20 个 MR 必要 CR，虽然提交时 MR 经过 单测 + Lint 过滤了一些低级错误，但还有些标题（代码公道性、履历、MR 相关业务逻辑等）必要花费大量时间，末了可以先经过自动化 CR，再进行人工 CR，可大大提升 CR 服从！
[*]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：大部门团队的 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酷执行。
[*]
页:
[1]