Raptor AI：面向 GitHub 仓库的 AI 代码审查与自动修复 PR 平台

Reaobaka56/Raptor-ai · AI-powered code review and autonomous development platform built with TypeScript, React, FastAPI, PostgreSQL and LLM-based agents.

GitHub原文发布未知首次收录 2026-11-07上架 2026-11-07 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

Raptor AI 是一个基于 LLM 的自主代码审查平台，可接入 GitHub 仓库并实时读取 Pull Request 差异，对代码进行语义化静态分析，检测认证与授权绕过、注入漏洞、敏感数据泄露、N+1 查询以及资源泄漏等问题，并生成行内修复建议或自动创建修复 PR。项目还提供基于 pgvector 的团队记忆层以抑制误报、带策略约束与审计日志的沙箱执行环境、支持多家供应商的 BYOK 密钥管理以及团队协作功能。技术栈为 React + TypeScript 前端、Python FastAPI 后端和 PostgreSQL/Redis，README 给出了本地运行、Render 与 AWS 部署步骤，但未提及开源许可证。

# GitHub # 代码审查 # 静态分析 # LLM 评审 # 自动修复 PR

核心能力与快速开始

★ 1 · TypeScript

能做什么: 接入 GitHub 仓库并读取 Pull Request 差异，基于 LLM 做语义化代码审查；检测认证授权绕过、SQL 注入、命令注入、XSS、密钥硬编码与日志泄露 PII 等安全问题，以及 N+1 查询、未关闭连接和悬挂事件监听等性能与资源问题；生成行内 diff 修复建议，并可自动创建补丁分支、提交修复并开 PR；通过 pgvector 存储团队接受/拒绝的反馈并生成误报抑制规则；提供沙箱会话创建、命令执行、暂停恢复、审计事件与工具白名单、人工审批等 Agent 约束；支持 BYOK 接入 OpenAI、Anthropic、Google Gemini、Mistral、Groq、DeepSeek、xAI、Cohere、OpenRouter 密钥；包含角色权限、团队消息、会议日程与仓库文件浏览器等协作功能。
适用场景: 适合工程团队在代码合入前自动进行安全与性能审查；用于对既有 PR 快速定位注入、权限与敏感信息类缺陷并获取修复建议；用于为已确认的问题一键生成修复 PR；用于在受控沙箱中运行带工具调用的审查或开发 Agent 并留存审计记录；用于以自有模型 API Key 搭建内部代码审查平台。
项目形态: 可直接使用的工具
部署方式: README 提供本地运行方式（FastAPI + Vite），以及部署到 Render（Web Service、PostgreSQL、Redis）和 AWS（ECS Fargate、RDS、ElastiCache、S3、CloudFront、GitHub Actions）的步骤；沙箱默认以本地进程运行，可设置 SANDBOX_BACKEND=docker 启用容器隔离。
主要依赖: Python 3.10+、Node.js 18+、PostgreSQL（含 pgvector）、Redis、GitHub OAuth App 凭据，以及 Gemini 或其他 BYOK 供应商的 API Key；AWS 部署使用 ECS Fargate 512 CPU/1024 MB、RDS db.t3.micro、ElastiCache cache.t3.micro 等配置。
使用限制: README 未提供开源许可证信息，不能据此断言可商用；使用 LLM API Key 会产生供应商侧费用，具体成本未说明；AWS 部署自估约每月 60 美元，但仅列资源数量估算；Redis 仅用于限流，未说明高可用保障；未说明审查准确率、性能上限与支持的代码语言范围。
许可证: 未说明
最近推送: 2026-11-06 14:19

官方入门核对 README 依据 ↗

资料检查：2026-11-07 07:00 · 卡片整理：2026-11-07 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

接入 GitHub 仓库后实时读取 Pull Request 差异，进行语义化静态分析，检测认证与授权绕过、注入漏洞、敏感数据泄露、N+1 查询及资源泄漏等问题，并生成行内修复建议或自动创建修复 PR，用于代码审查与排错。

查看内容依据

Raptor reads pull request diffs in real-time. It catches critical security vulnerabilities, database performance bottlenecks, and architectural leaks within seconds — providing exact inline diff fixes and opening automated pull requests before code ever reaches production.

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

mergeCraft：BYOK 的 AI 代码审查 GitHub Action

mergeCraft 是一个开源（MIT）的独立 GitHub Action，用于在拉取请求（PR）上执行 AI 代码审查。它采用 BYOK（自带密钥）模式，可接入 Claude Pro/Max、ChatGPT 订阅、API 密钥或任意 OpenAI 兼容端点，无需 SaaS 账号或自建后端。其审查流程先由确定性分析器处理机械可验证的事实，再由 LLM 判断剩余问题，并在发布每个 Critical/Major 发现前由只读验证器复核。审查结果以类型化发现（typed findings）呈现，驱动行内评论、mergecraft-approval 检查以及可选的 SARIF 上传；支持信任层级（trust tier）、政策驱动的合并门禁、契约化退出码和 JSONL 事件流，也可通过 CLI 审查本地 diff、worktree 或克隆仓库，并对外提供只读 MCP 工具。

code-review-graph：为 AI 编程工具提供本地代码知识图谱与精准审查上下文

code-review-graph 是一个 local-first 的代码智能图谱工具，使用 Tree-sitter 将代码库解析为函数、类、导入等节点及调用、继承、测试覆盖等边，并存入图谱。它通过 MCP 向 AI 编程工具提供精简的审查上下文，按 blast-radius 分析只返回变更真正影响的文件，并支持增量更新、CLI 与 GitHub Action 形式的 PR 风险评分审查。项目为 Python 包，要求 Python 3.10+。

SpecFact CLI Modules：面向 AI 辅助 Python 开发的确定性代码审查与模块注册库

该项目是 SpecFact CLI 的官方模块注册库，托管 nold-ai 官方 bundle 及其文档，用于 AI 辅助 Python 交付场景。其代码审查 bundle 可给出 ai_bloat 提示性发现，识别 AI 生成代码中常见的冗余形态（如恒等 try/except、单调用包装、直通 lambda、冗余中间变量、过长的线性函数），提供确定性代码审查验证、清理预测与工作流包，并包含模块签名、语义化版本管理与契约测试等质量门禁流程。

SpecFact CLI：面向 Python 团队的 AI 代码膨胀防御与确定性代码审查命令行工具

SpecFact CLI 是一个本地运行的 Python 命令行工具，针对 AI 辅助编程和存量（brownfield）项目提供确定性的代码审查、清理影响预测以及规范/契约证据。它无需 API 密钥、可离线工作，能检测冗余包装器、直通 lambda、恒等 try/except、可避免的中间列表、低分支长函数等 AI 编码常见的膨胀形态，并将审查结果以 JSON 形式交给 Claude、Codex、Cursor、Copilot 或无头代理等 AI IDE 进行修复，再复跑审查以获得证据。支持通过 uvx 零安装试用，并可接入 pre-commit 钩子、GitHub Actions 等流程，同时衔接 Spec Kit、OpenSpec、backlog 等上游规划输入作为验证证据。

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。