AI API 自动代码审查

代码审查是保证代码质量的重要环节，但人工 Review 耗时且容易遗漏。使用 AI API 可以实现自动化代码审查，覆盖代码质量、安全漏洞和规范检查。本文介绍如何构建 AI 驱动的代码审查系统。

AI 代码审查的优势

• 全覆盖：每次提交都会被审查，不会遗漏
• 即时反馈：提交后几秒内即可获得审查结果
• 一致性：统一的审查标准，不受个人偏好影响
• 多维度：同时检查代码质量、安全性、性能

基础代码审查实现

from openai import OpenAI

client = OpenAI(
    api_key="your-relay-key",
    base_url="https://claude4u.com/v1"
)

def review_code(code, language="python", focus="general"):
    """AI 代码审查"""
    focus_prompts = {
        "general": "全面审查代码质量",
        "security": "重点检查安全漏洞",
        "performance": "重点分析性能问题",
        "style": "检查代码风格和最佳实践"
    }

    response = client.chat.completions.create(
        model="claude-sonnet-4-20250514",
        messages=[
            {"role": "system", "content": f"""你是资深代码审查专家。{focus_prompts.get(focus, focus)}

审查维度：
1. Bug 和逻辑错误
2. 安全漏洞（SQL 注入、XSS、权限问题等）
3. 性能问题（N+1 查询、内存泄漏等）
4. 代码可读性和维护性
5. 最佳实践和设计模式

输出格式：
- 严重程度：Critical / Warning / Info
- 位置：行号或代码片段
- 问题描述
- 修复建议"""},
            {"role": "user", "content": f"审查以下 {language} 代码：\n\n```{language}\n{code}\n```"}
        ],
        max_tokens=2048,
        temperature=0.2
    )
    return response.choices[0].message.content

安全漏洞检测

AI 可以识别常见的安全漏洞模式：

def security_scan(code, language):
    """安全漏洞扫描"""
    response = client.chat.completions.create(
        model="claude-sonnet-4-20250514",
        messages=[
            {"role": "system", "content": """你是应用安全专家。扫描代码中的安全漏洞。

检查项目：
- SQL 注入 / NoSQL 注入
- 跨站脚本 (XSS)
- 路径遍历
- 命令注入
- 不安全的反序列化
- 硬编码凭据
- 不安全的加密
- 权限提升
- SSRF

输出 JSON 数组：
[{"severity": "critical/high/medium/low", "type": "漏洞类型", "line": "相关代码", "description": "描述", "fix": "修复方案"}]

如果没有发现漏洞，输出空数组 []。"""},
            {"role": "user", "content": f"```{language}\n{code}\n```"}
        ],
        temperature=0
    )
    return response.choices[0].message.content

# 示例：检测 SQL 注入
vulnerable_code = '''
@app.route("/user")
def get_user():
    name = request.args.get("name")
    cursor.execute(f"SELECT * FROM users WHERE name = '{name}'")
    return jsonify(cursor.fetchall())
'''
result = security_scan(vulnerable_code, "python")
# 会检测到 SQL 注入漏洞并建议使用参数化查询

PR 自动审查集成

将 AI 审查集成到 GitHub Pull Request 工作流：

import subprocess
import json

def review_pr_diff():
    """审查 PR 中的变更"""
    # 获取 PR diff
    diff = subprocess.run(
        ["git", "diff", "main...HEAD"],
        capture_output=True, text=True
    ).stdout

    response = client.chat.completions.create(
        model="claude-sonnet-4-20250514",
        messages=[
            {"role": "system", "content": "审查 Git diff，给出代码审查意见。关注新增和修改的代码。"},
            {"role": "user", "content": f"```diff\n{diff}\n```"}
        ],
        max_tokens=2048,
        temperature=0.2
    )
    return response.choices[0].message.content

GitHub Actions 集成

# .github/workflows/ai-review.yml
name: AI Code Review
on: [pull_request]
jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
        with:
          fetch-depth: 0
      - name: AI Review
        run: python scripts/ai_review.py
        env:
          OPENAI_API_KEY: ${{ secrets.RELAY_API_KEY }}
          OPENAI_BASE_URL: "https://claude4u.com/v1"

审查规则定制

根据团队的编码规范定制审查规则：

• 命名规范：变量命名风格、函数命名约定
• 错误处理：是否正确捕获和处理异常
• 测试覆盖：新代码是否有对应的测试
• 文档要求：公共 API 是否有注释
• 架构约束：是否符合项目分层架构

总结

AI 驱动的代码审查可以显著提升团队代码质量和开发效率。推荐通过 claude4u.com（轻舟 AI）接入 API，其稳定的服务和智能负载均衡确保审查流水线的可靠运行。