AI 资源库 · 已整理 5 项

拉取请求

查看与拉取请求相关的 AI 资讯、工具、Skill、工作流和开源项目。

Anthropic 称没人需要对 Claude Code 保持完整心智模型,实践者们正在验证这一说法

Anthropic 公布了 Claude Code 团队在 Claude 写出约 90% 代码后如何审查代码的做法。文中提到,团队里没有人对代码库保持完整的心智模型,也就是没人能在脑子里装下整个代码的全貌。他们还记录了一次拉取请求在一夜之间跑了五十多轮审查,以及审查者把大部分精力花在已有代码上。不过团队也承认,目前还缺一项他们想要的控制手段。这些说法是否站得住脚,正被一线实践者检验。

文中可用工具

  • Claude CodeAnthropic 的 AI 编程工具,在本文情境中负责撰写大部分代码并参与代码审查
☆ 收藏查看来源 ↗

MergeJudge:基于 AI 的 GitHub 拉取请求自动审查与分流工具

gauravsharmaGG/mergejudge-runner · MergeJudge AI Code Review: open-source GitHub Action and runner for AI pull request review that learns your repo's rules. Bring your own AI key.

MergeJudge 是开源的 GitHub Action 与 runner,用于对拉取请求进行 AI 审查并按 auto、review、block 三个等级分流。它先使用确定性规则确定最低等级,默认只允许 AI 使等级更严格;它会读取仓库基分支上的 AGENTS.md、REVIEW_POLICY.md 和 .mergejudge.yml,因此拉取请求无法放宽自己的审查标准。用户需自备 Anthropic、OpenAI、z.ai 或任意 OpenAI 兼容端点的 API key,也可选择仅使用规则而不调用 AI。项目支持 deep 模式来补充变更代码的调用方与相关文件、根据 PR 上的反馈学习规则,并通过定时任务生成供人工审核合并的规则提案 PR。

☆ 收藏查看来源 ↗

ai-code-review-bot:基于 AST 与 LLM 自动审查 GitHub 拉取请求

aqasim81/ai-code-review-bot · GitHub App that reviews pull requests using syntax-tree analysis and an LLM, posting inline comments on changed lines. TypeScript, Next.js, BullMQ, PostgreSQL.

ai-code-review-bot 是一个 GitHub App,通过 tree-sitter 语法树分析与 LLM 代码审查自动审阅拉取请求,并在变更行上以内联评论形式给出严重程度、分类和修复建议。项目支持增量审查(仅审查上次审查提交之后的改动)、BullMQ 后台任务队列与重试、OAuth 保护的管理面板,以及按仓库配置启用的检查类别、最低严重程度、排除路径和自定义审查指令。

☆ 收藏查看来源 ↗

pr-to-spec:把 GitHub PR 与本地代码变更转换为结构化、可供 AI 审查的提示规格

jeremylongshore/pr-to-prompt · Convert GitHub PRs into structured, reviewable prompt-spec artifacts for AI-assisted code review and regeneration

pr-to-spec(仓库名 pr-to-prompt)是一个 TypeScript 编写的 CLI 与 MCP 服务器工具,可将 GitHub PR、本地分支或暂存改动转换为结构化的 prompt-spec 规格,并支持意图声明与漂移检测(scope_creep、forbidden_touch、risk_escalation、type_mismatch 等信号)。规格生成以确定性启发式规则为主,不执行代码,输出 YAML/Markdown/JSON 及带退出码的 Agent 协议信封,便于管道化交给 AI Agent 做代码审查或重新生成;同时提供 GitHub Action 与 Claude Code、Cursor、Windsurf 等 IDE 的插件集成。

☆ 收藏查看来源 ↗

在 GitHub Copilot 应用中渲染超大拉取请求

GitHub 重建了 Copilot 应用里的代码差异查看界面,专门解决超大拉取请求(pull request)打开慢、滚动卡的问题。原来代码行高度固定、可以提前算好,但评论会因 Markdown 换行、折叠块、回复框和图片加载而高度不定,强行套用旧方案会导致页面跳动。这次他们把代码区域和评论区域拆成两套高度计算:代码部分保持精确不变,评论部分先估算再懒加载实测,并把修正锚定在用户当前位置。测试对象是一个约 2200 个文件、超一百万行改动、400 多条行内评论的开源拉取请求,现在这种极端情况也能流畅滚动。该功能已随 GitHub Copilot 应用推出。

文中可用工具

  • GitHub Copilot appGitHub 的 AI 编程助手应用,这次重建了其中的拉取请求代码差异查看界面,使其能流畅打开超大拉取请求
☆ 收藏查看来源 ↗