AI 资源库 · 已整理 14 项
查看与代码评审相关的 AI 资讯、工具、Skill、工作流和开源项目。
美团基础技术部把 AI 编程（让 AI 帮忙写代码、查代码）用到了分布式存储系统里。这类系统一旦出错就可能导致数据丢失或服务不可用，所以光“写得快”不够。他们的做法是：让 AI 做代码评审、排查问题和自动化开发，但要求结论必须能被验证——比如用测试把问题复现成“红灯”、用接近真实环境的集成测试排除误报、用线上日志确认问题真的发生过。实践发现 AI 能抓跨文件不一致、删代码留下的隐患，也会因不懂运维流程而误判，所以人仍需把关定级和设计决策。读者可参考这套“提效+验证”的方法，守质量和稳定性底线。
提供的材料未提及具体可用工具。
launchapp-dev/awesome-ai-coding-tools · A curated list of AI-powered coding tools — editors, agents, code review, testing, CLI tools, and more.
这是一份面向开发者的 AI 编程工具精选列表，按 AI 代码编辑器与 IDE、编辑器内助手与补全、自主编程 Agent、CLI 与终端工具、Agent 编排与多 Agent、代码评审与 PR 自动化、测试与 QA、代码搜索与代码库智能、文档生成、Web 应用构建器、开源与自托管、MCP、DevOps/CI-CD、编程模型、提示与上下文工程等类别整理条目，并用标记区分开源、商业付费、免费档、可自托管等属性；内容为资料汇总，不提供工具本身的安装或验证。
Netflix 的 Java 平台团队做了一个叫 Quasar 的内部工具。问题是：共享 Java 库改动后，维护者只能看到自己仓库里的 API 差异，却不知道哪些下游仓库还在调用被删改的方法，于是要么冒险发布破坏性变更、靠别人报错才发现，要么因为摸不清风险而一直保留旧 API。Quasar 把各仓库 CI 编译时提交的代码符号索引汇总起来，在代码评审时对照改动前后的 API，用查询找出真正调用这些符号的仓库、所用库版本和代码位置，给出实际影响范围。这样库维护者和 AI 编程代理就能在合并或发布前判断风险、安排迁移。文章未说明该工具是否对外开源或开放使用。
Giansantos-carlos/ai-helpdesk · Projeto de referencia: helpdesk com assistente de IA demonstrando Spec Driven Development, Arquitetura Monolitica Modular, Context Engineering, Code Review e Quality Gate
这是一个 Java/Spring Boot 的 helpdesk 参考项目，包含用户、知识库、工单与 AI 助手四个模块。助手模块监听工单创建事件，实时排序工单历史与知识库文章，在字符预算内截断后组装上下文，调用 Anthropic Claude API 生成回复建议并持久化，供坐席查询。项目主要用于演示 Spec Driven Development、模块化单体架构、上下文工程、代码评审与质量门禁五类工程实践，README 明确说明它并非可直接投入生产的完整产品。
Linux 创始人 Linus Torvalds 用 Anthropic 的 Claude Code 帮忙修一个折腾了两年的内核性能问题。问题是页缓存里频繁加减引用计数，拖慢了普通的缓冲读取，在他笔记本上八线程测试里几乎全部跨核开销都来自这里。AI 写出了补丁、测试和文档，他自己跑基准验证：八补丁版把吞吐从每秒 1000 万次读提到约 3300 万次，后续 10 个补丁的版本在 64 线程 Threadripper 上从 1330 万次涨到 3.04 亿次。不过评审者发现了一个竞态条件和内存回收隐患，Torvalds 已把后续开发交给内核开发者 Kiryl Shutsemau。目前这些补丁仍处于评审和修订阶段，尚未进入正式内核，且真实负载下的提升会小得多。
AmirinNS/coding-agent-skills
该项目是一组编码智能体技能与行为准则的合集，覆盖需求规划、方案评审、UI 设计、实现编排、代码评审、文档与提交、缺陷修复等 SDLC 阶段。它提供将实现任务委派给 Codex CLI、Claude Code、Antigravity CLI（agy）与 pi CLI 的技能，支持并行 swarm 分工、同线程讨论与独立评审，并附带 Flask + Bootstrap 5 + MongoDB 脚手架、Electron 桌面应用脚手架、Expo Android 运行等具体技能；所有委派与编排流程默认停在评审阶段、不自动提交。
Spotify 说，用上 AI 辅助开发后，每个月合并进主干的代码变更数量翻了一倍多。代码改得又快又多，怎么保证不出大问题就成了新麻烦，于是他们重新检查并调整了测试、可观测性、回滚能力、任务优先级和自动化维护等环节，来适应这种更高的变更速度。对读者来说，这提供了一个真实案例：AI 编程真正的挑战不只是写代码变快，而是配套的质量和应急机制能不能跟上。
提供的材料未提及具体可用工具。
vanducng/miu-cr · Agent-powered AI code review - review staged changes, commits, and GitHub PRs from the CLI, CI, or any MCP host.
miu-cr 是一个由 Agent 驱动的 AI 代码评审工具，可用于评审暂存改动、提交区间以及 GitHub PR，既能在本地 CLI 运行，也能在 CI 中作为门禁，还可通过 MCP 服务器被 Claude Code、Codex 等支持 MCP 的 Agent 调用。它结合确定性引擎与 LLM，在 stdout 输出稳定的 JSON 结构，并支持项目规则注入、评审结果评估以及 GitHub PR 行内评论。
reyhan8543/agent-md · Install portable agent rules, hooks, and task state for coding agents to stop guessing and verify work across Claude, Codex, Cursor, and Windsurf
agent-md 提供现成的智能体指令文件，用于 Claude Code、Codex、Cursor、Windsurf、Aider 等编程工具，帮助用户为智能体设定清晰的工作流程与项目规则，让改动更聚焦、减少来回猜测，并在修改文件前先阅读项目规则。README 主要面向 Windows 用户，说明从 Releases 下载、解压并把指令文件放入项目根目录或工具规则目录的使用方式。
subashraja069-cmd/claude-code-boss-mode · Control Claude Code with a boss layer that checks ROI, scope, and cuts before work starts
该项目在 Claude Code 之上叠加一层“老板模式”决策过滤，通过 CEO（业务影响与成本）、EM（交付与技术风险）、PM（范围与用户价值）三种视角，对任务、计划和 Pull Request 做前置审查。提供 /boss、/boss-pr、/boss-plan、/boss-roast 等命令式流程，用于评审计划、削减范围、判断任务是否过大、发现产品风险并给出直接反馈。主要面向使用 Claude Code 的 Windows 用户，包括个人开发者和产品、工程、交付角色。
carolafortified787/codex-plugin-cc · Use Codex in Claude Code for code reviews and delegated tasks with background job control
该项目是一个 Claude Code 插件，允许用户在 Claude Code 环境中调用 Codex 来完成代码审查、问题修复建议和任务分派。README 主要面向 Windows 用户，说明从发布页下载文件、解压运行、首次连接 Claude Code 并进行设置的基本流程，以及常见的启动和权限问题处理方式。适用于希望在同一个工作入口中整理代码评审与任务交接的用户。
baltil2670/Claude-code-recipes · Build production-ready Claude Code workflows with one-command recipes for fast setup and reliable results
该项目提供一组可直接使用的 Claude Code 配方（recipes），用于把常见的软件工程任务——如代码审查、缺陷分类、重构规划、测试思路生成、文档整理、发布准备与安全检查等——组织成可重复执行的步骤，减少手动配置并提升跨项目的一致性。README 以 Windows 非技术用户为主要对象，说明了下载、安装、首次配置与使用流程，并给出安全使用建议（在可信文件上运行、保留备份、审查变更后再应用）。材料未说明具体的部署架构、依赖版本与 API 成本。
Jihadyip286/nanostack · Turn your AI agent into a team that plans, reviews, tests, audits, and ships software in one sprint
nanostack 提供一组面向完整工程工作流的 AI 编码辅助技能，覆盖任务拆解与规划、代码编写与修改、代码评审、常见安全隐患审计，以及各步骤之间的稳定衔接，帮助用户在一个流程内完成从计划到交付的编码工作。README 主要说明其在 Windows 上的下载、安装与首次使用方式，并给出配置 AI 服务或密钥的初步提示。
review-bench/ReviewBench · ReviewBench is an open, reproducible benchmark for evaluating AI code review systems on real-world pull requests.
ReviewBench 是一个开放、可复现的基准，用于在真实 GitHub Pull Request 上评估 AI 代码评审系统。它为每个 PR 提供经人工评审的金标准发现问题集合，将代理发现的问题与该参考集对比，衡量其识别有效问题并避免误报的可靠性，结果还可按严重程度和类别等维度查看。仓库包含 25 个 PR 的测试集、219 个 PR 的完整集、金标准发现、方法论文档、代理契约与示例适配器、本地测试脚本以及评审 CLI，允许评审工具厂商通过自助门户将其评审器接入排行榜。