AI 编程工具

code-reviewer：本地优先的 AI 代码审查 CLI 与 pre-push 钩子

OpticDiff/code-reviewer · Fast, local-first AI code review CLI & pre-push hook for GitHub PRs and GitLab MRs. Multi-model consensus, Tree-sitter context, SARIF, and zero lock-in.

GitHub原文发布未知首次收录 2026-09-27上架 2026-09-29 07:03

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

code-reviewer 是一个用 Go 编写的本地优先 AI 代码审查命令行工具，可作为 Git pre-push 钩子，也能在 GitHub PR 与 GitLab MR 的 CI 流程中运行。它通过 Tree-sitter 提取仓库感知的 AST 上下文，支持多模型共识过滤以减少噪音、内容寻址 diff 缓存加速重复审查、增量审查与提交触发全量重审，并可输出 ANSI 终端结果、GitHub 内联评论、GitLab 讨论与草稿笔记以及 SARIF 2.1.0 / GitLab SAST 安全报告。模型侧可对接 Ollama、vLLM 等本地端点，也可使用 Vertex AI（Gemini、Claude）、AWS Bedrock（经 LiteLLM）和 OpenAI 兼容端点，支持自定义提示词、平台治理配置、审计日志与 SHA 固定的安全自动批准。

# Tree-sitter # local-llm # SARIF # ai-code-review # static-analysis

核心能力与快速开始

★ 2 · Go

能做什么: 本地优先的 AI 代码审查 CLI，支持审查本地 git diff、指定 git ref 或指定文件；可通过 `hook install` 安装 Git pre-push 钩子，在推送前拦截 HIGH/CRITICAL 问题。CI 模式下自动识别 GitHub PR 与 GitLab MR，发布内联评论、讨论或草稿笔记。具备 Tree-sitter AST 符号提取与跨文件上下文注入、内容寻址 diff 缓存、`--incremental` 增量审查及 `[re-review]`/`[full-review]` 提交消息触发全量重审。支持 `--models` 多模型共识过滤（含共识阈值）、`--focus` 审查焦点、`--min-severity` 严重级过滤、`--custom-prompt` 与 `--extra-rules` 自定义规则。输出形式包括 ANSI 终端、JSON、SARIF 2.1.0、GitLab SAST 报告，另有 `--explain` 解释 diff、`--fix` 应用建议修复、`--summarize` 生成 PR/MR 摘要、`--auto-approve` 清洁审查时自动批准、`--audit-log` JSONL 审计日志，以及平台治理相关的多文件配置、平台/产品双评审档案和发现可见性控制。
适用场景: 开发者在本地提交前用 `code-reviewer --diff` 审查未提交改动或历史提交，并在 pre-push 阶段阻止含高危缺陷的推送；团队在 GitHub Actions 或 GitLab CI 中以 `--ci` 对 PR/MR 自动评论审查结果；在只使用 Ollama、vLLM 等本地模型端点的情况下进行离线审查以保持代码不出内网；使用 Vertex AI 多模型（如 Gemini 与 Claude）共识来降低误报；把结果以 SARIF 2.1.0 或 GitLab SAST 报告接入代码扫描与安全标签页；需要平台统一合规规则与各服务组自治规则并存的组织，通过多文件平台配置实施治理；还可用于生成 PR/MR 描述摘要或直接向工作区应用建议修复。
项目形态: 可直接使用的工具
部署方式: 提供多种安装方式：Homebrew tap、Nix flake、mise、Go install、Docker 镜像以及 GitHub Releases 预编译二进制，也可从源码 `go build` 构建。可运行于本地 CLI、Git pre-push 钩子、GitHub Actions（含可复用 action）和 GitLab CI。README 未说明具体运行环境版本要求与自托管部署细节。
主要依赖: 需配置模型后端：本地 Ollama/vLLM 需提供 OpenAI 兼容 API URL；使用 Vertex AI 时需设置 GOOGLE_CLOUD_PROJECT 并完成 gcloud ADC 登录；GitLab CI 中通常使用 CI_JOB_TOKEN，内联 diff 锚定评论与自动批准需具备 api 权限的 Project Access Token；GitHub Actions 需 GITHUB_TOKEN。README 未说明具体 Go 版本、内存或硬件要求。
使用限制: README 未说明各模型供应商的调用成本、速率限制或配额上限；未说明缓存与审查结果在大型仓库下的性能边界；多模型共识、自动批准、平台治理等能力的实际效果未在材料中给出量化评估。
许可证: Apache-2.0
最近推送: 2026-09-27 01:56

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-27 07:00 · 卡片整理：2026-09-29 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

在本地或 CI 中对代码变更进行 AI 代码审查：通过 `code-reviewer --diff` 审查本地 git diff，安装 `code-reviewer hook install` 作为 Git pre-push 钩子在推送前拦截 HIGH/CRITICAL 问题，在 GitHub PR 与 GitLab MR 的 CI 中运行并输出内联评论、讨论、SARIF 2.1.0 / GitLab SAST 安全报告，还可用 `--fix` 应用建议修复、`--explain` 解释 diff、`--summarize` 生成 PR 描述。

查看内容依据

code-reviewer 是一个用 Go 编写的本地优先 AI 代码审查命令行工具，可作为 Git pre-push 钩子，也能在 GitHub PR 与 GitLab MR 的 CI 流程中运行。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

AgentsKit Code Review：低噪音 AI 代码评审 CLI 与 GitHub Action

AgentsKit Code Review 是一个基于 AgentsKit code-review agent 的 AI 代码评审工具，提供命令行和 GitHub Action 两种使用方式。它通过七个评审视角提出潜在问题，并以对抗式验证投票过滤较弱发现，以降低噪音；支持自带模型（Claude、Codex、OpenAI、Gemini、Ollama、OpenRouter 等适配器），可本地审 diff、读取 stdin 或在 GitHub PR 上发布内联评论，并提供文件预算、并发、阈值、截止时间和计划（--plan --json）等成本与策略控制。

review-pro：面向编码 Agent 的仓库感知 AI 代码审查系统

review-pro 是一个开源的仓库感知代码审查系统，面向 Claude Code、opencode、Cursor、Codex 等编码代理。它先对 diff 做分类，只调度十三类专用审查者中相关的那些并行审查，每个审查者都必须在仓库文件中定位证据；随后由综合阶段去重、按领域归属消解冲突、校准严重程度，输出 BLOCK / REQUEST CHANGES / APPROVE 单一结论，并对 Medium 及以上问题派独立代理尝试反驳验证。它还支持通过 .review-pro/ 安装技术栈包（TypeScript/React、Python、Go、Rust、Next.js、WordPress 等）和编写仓库规则（含 co-change 规则），以捕捉 diff 未触及文件中已经存在的约定，例如事故后加的防护或规范化的辅助函数。

SecLab Taskflow Agent：声明式 YAML 驱动的多智能体安全工作流框架

GitHub Security Lab 推出的 MCP 多智能体框架，通过 GitHub Workflow 风格的 YAML 语法声明式定义智能体工作流，无需编写代码即可用 CLI 编排多个 Agent 与工具协作完成任务。基于 OpenAI Agents SDK 构建，使用 Pydantic 做语法校验、Jinja2 做模板渲染；智能体由 personalities 定义、接收 taskflow 任务、调用 toolbox 中的工具。支持 Chat Completions 与 Responses 两种 OpenAI API，可切换 openai_agents、copilot_sdk、anthropic_sdk 三种后端，支持 stdio/SSE/streamable HTTP 的 MCP 连接、任务级检查点与断点续跑、运行清单输出、离线 lint 与 JSON Schema 导出。主要面向智能体安全研究、漏洞排查、代码审计、CodeQL 辅助代码审查与代码扫描告警分诊，也可跨多个模型跑同一提示词并让裁判任务择优，用于模型对比评测。

SyntaxRAG：面向 AI 代理的本地代码检索 MCP 引擎

SyntaxRAG（SYNRAG）是一个本地代码搜索 MCP 引擎，通过 Tree-sitter 按函数、类、类型等 AST 结构切分代码，在 CPU 上用 FlashRank（TinyBERT）对 BM25 候选重排序，并构建依赖影响图。它提供搜索、文件大纲、仓库地图、影响范围分析、测试定位及受控编辑等工具，以减少 AI 代理定位代码时的 token 消耗；附带安装脚本、CLI、可选的变更监视服务和 Gemini 相关可选功能。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。