CodeSage：面向 Pull Request 的 AI 代码审查平台

核心能力与快速开始

★ 77 · Python

能做什么

提供面向 Pull Request 的 AI 代码审查：本地 CLI 深度审查（CodeSage Deep）与配套 Web 产品及 Worker。深度审查流程包含确定性准备（固定 Git 快照、目录过滤、变更统计、Python import 影响分析）、可修复的审查计划（Planner 划分调查工作）、受控并行 Reviewer（共享并发限制、按文件规模分配轮次、独立调查会话）、一次 Cross 综合验证（证据核验、对抗挑战、一致性检查、重复判断与复合风险分析）以及确定性收尾（校验位置、接纳裁决、精确去重、严重度过滤和稳定排序）。Agent 可读取完整文件、查看其他文件差异、搜索仓库并沿调用关系追查上下文。输出定位到代码的结构化审查意见，并可查看逐阶段输出与工具调用记录。产品任务治理使用 ARQ 投递、数据库行锁、Lease、心跳续约与提交门禁约束有效执行者，取消和恢复统一经过任务生命周期服务。

适用场景

对 Pull Request / Git 提交区间进行自动化深度代码审查，输出结构化审查意见；在本地通过 CLI 审查指定 base 与 head 两个 Git ref；通过 Web 产品与 Worker 以 Docker 方式部署团队代码审查服务；查看逐阶段过程报告与工具调用记录以了解结论形成过程；在 AACR-Bench 类基准上评测代码审查效果。

项目形态

可直接使用的工具

部署方式

提供两种方式：1) 本地 Deep Review，需要 Python 3.11+ 和 Git，在 backend/.env 配置模型端点后从 backend 目录运行 python -m app.domains.deep_review；2) Web 产品与 Worker，使用 Docker Desktop 的 Linux 容器模式，在项目根目录复制 .env.example 为 .env 并设置 POSTGRES_PASSWORD、SECRET_KEY 和 LLM_* 配置，然后 docker compose up -d --build --wait，Web 界面为 127.0.0.1:3000、API 为 127.0.0.1:8000、Phoenix 为 127.0.0.1:6006。Worker 通过 Docker socket 运行沙箱工具。

主要依赖

本地 Deep Review 需要 Python 3.11+ 和 Git，并需配置模型端点（LLM_PROVIDER、LLM_BASE_URL、LLM_MODEL、LLM_API_KEY 等）。Web 产品需要 Docker Desktop（Linux 容器模式），并设置 POSTGRES_PASSWORD、SECRET_KEY 和 LLM_* 配置。模型调用、API 成本及具体硬件要求未说明。

使用限制

材料称 AACR-Bench 本次评测为 100 个实例、802 条参考评论，OCR 公开图覆盖 200 个 PR、1,505 条参考评论，两者样本范围不同；并提到指标汇总与运行元信息的缺失实例统计尚有差异。仓库未提供 license 信息，商用与再分发条件未说明；模型调用成本、速率限制与部署规模上限未说明。

许可证

未说明

最近推送

2026-10-16 08:51

资料检查：2026-10-17 07:00 · 卡片整理：2026-10-17 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证