一. 现状问题

代码评审 Code Review 是提高代码质量、促进团队合作、知识间共享的关键环节，对于系统代码质量和稳定性都至关重要。

【人为代码评审（Code Review）】存在很多弊端
时间消耗大：代码评审是一个耗时的过程，特别对于大型项目和复杂的代码更是如此。
无档期：评审者无时间会造成研发卡点。
一致性缺乏：不同的审查者可能会有不同的编码标准和偏好，这可能导致代码审查的反馈缺乏一致性，给开发者带来混淆。
可能遗漏错误：人为审查的过程中可能会因为疲劳、疏忽或知识限制而遗漏一些错误，尤其是对于难察觉的逻辑错误和性能问题。
主观性：代码审查很容易受到审查者个人偏好和情绪的影响，有时可能会导致不必要的争议。

二. 分析原因

🤔人为代码评审存在的弊端主要源于人力的局限性（如疲劳、无时间、主观偏见、认知局限等）。这些因素共同作用导致审查过程中可能出现的时间效率低、一致性差、错误遗漏和主观性问题。

🗣用五个词语总结： 易疲劳 主观偏见 规范少 沟通难 知识缺

三. 采取措施

🤖 利用AI大模型进行代码评审，可以显著提高效率、减少人为错误，通过自动化分析和建议，弥补人为评审的局限性。同时还能促进代码一致性和质量，但需要适当的人机协作模式以充分发挥其潜力。

将GPT嵌入到CI实时code review 助研发一臂之力。
提高效率：自动化审查过程大大减少了人工审查所需的时间，加快了开发周期。
增强准确性：AI模型可以持续学习，减少人为疏漏，提高代码审查的准确性和质量。
一致性保障：确保代码遵循最佳实践和项目规范，整体一致性。
即时反馈：开发者可以即时获得反馈，快速修正问题，不卡点。
知识共享：AI评审过程中的建议可以作为学习资源，帮助开发团队提升编码水平。

底层依赖：京东言犀大模型、行云流水线（云原生）、单元测试脚本、coding 代码评审机制（webhook）

【简易版📌】AI代码评审接入手册 👉 见评论 已成型机制，京东内部一键式接入！

群号见评论区哦！

四. 实践步骤

4.1 接入京东言犀大模型（行业内类ChatGPT大模型均可）

言犀大模型文档 （JD内部免费-代码安全）

申请接入GPT（评论区加群 or 私信我 审批连接）：填写申请原因和基础信息。🖐（行业内类ChatGPT大模型均可~）

审批完成会收到API key （chatrhino-14B 暂时输入内容的最大长度为45000字符，通常代码修改可以满足）

4.2 内置AI Review脚本（Git代码库API打通）

1、调用coding API（获取MR的commit起止点）
2、调用coding API（获取本次代码diff）
3、调用GPT- API（京东大模型）

脚本链接汇总（评论区加群 or 私信我 获取）：目前支持的模型有Chatrhino-14B（最新版本-选择此模型）、Chatrhino、Chatrhino-JingYan 其它模型持续集成中。

AiCodeReview.java 脚本案例（java语言-junit5版本）粘贴到自己代码库中即可

📢注意：不必须依赖junit5，可以自行切换junit4，demo只是提供框架思路，落地后可根据代码库场景优化脚本！

替换2个变量：

① API Token

建议申请协同虚拟账号（优势：很稳定，不会随个人账号离职等变化）：部门公共AI架构师评审，设置API Token

【流程中心-协同办公-协同（虚拟）账号管理】👉 别忘了coding给他加个权限！

② PROJECT_ID：替换为您的Git 应用id（如下查看）

③ 大模型api-key：替换为您的key（查看4.1部分）

核心脚本逻辑步骤如下示例：

void aiCodeReviewByChatrhino() {
    //1、get mr
    String mergeRequest = System.getProperty("mergeRequest");
    if (mergeRequest == null) return;
    
    System.out.println("【流水线触发MergeRequest】------------------------------------------------ " + mergeRequest);

    //2、get coding diff
    String codeDiff = getCodingDiff(mergeRequest);
    System.out.println("【coding的diff内容】------------------------------------------------" + codeDiff);

    //3、gpt code review
    String result = gptReview(codeDiff);
    System.out.println("【京东言犀大模型评论】------------------------------------------------" + result);

    //4、output review content
    note(objectMapper.readTree(result).get("choices").get(0).get("message").get("content").asText(), mergeRequest);
    System.out.println("【coding评审note记录】------------------------------------------------" + noteContent + "-----------------------------------------------");
}

✋脚本内设定AI人设（content字段）：根据自己需求定义prompt

比如你想用于分析本次改动业务语义、或者专注于找bug、亦或者代码写法是否规范等

4.3 搭建CI流水线（持续集成）

① 新建流水线：导入AI流水线脚本模版yaml 创建AI Code Review机制

流水线原子：【下载代码】+【java编译】+【咚咚通知】

② 原子参数配置修改：【下载代码原子】+【maven编译原子】改为自己代码库和脚本路径

【咚咚通知原子】默认配置即可，📢 提交代码研发

✍️ 同部门下建议独立脚本代码库，projectID动态传入，不同应用可实现《一键式接入》（只需导入流水线即可实现AI评审）-DprojectId=${globalParams.user.WEBHOOK_ATTR_PROJECT_ID}

分支：${globalParams.user.BRANCH} 相对目录（脚本放置位置）：${globalParams.system.APP_IDENTIFIER}

mvn test -Dtest=com.jdwl.wms.common.AiCodeReview -DmergeRequest=${globalParams.user.WEBHOOK_ATTR_MERGE_REQUEST_ID} -DfailIfNoTests=false -Dmaven.test.failure.ignore=true

③【触发设置】绑定自己代码库，MR Create/Updated 事件（原因：coding的push操作统一触发mr create/update操作）