跳到主要内容

AI 代码审查实战

使用 AI 自动进行代码审查，可以大幅提高代码质量和开发效率。

场景介绍​

在日常开发中，代码审查（Code Review）是保证代码质量的重要环节。但人工审查存在以下问题：

  • 耗时耗力
  • 审查标准不一致
  • 容易遗漏问题
  • 小项目/个人项目无人审查

AI 代码审查可以解决这些痛点。

实现方案​

方案一：使用现成工具​

  • Cursor - 内置代码审查功能
  • GitHub Copilot Chat - 可以审查选中的代码
  • CodeRabbit - GitHub PR 自动审查机器人

方案二：自建审查服务​

参考我之前写的 AI CodeReview 项目：

# 核心逻辑示例
messages = [
    {
        "role": "system",
        "content": """你是一位资深编程专家。
        请审查以下代码变更，指出存在的问题并给出改进建议。
        重点关注：
        1. 代码安全性
        2. 性能问题
        3. 代码可读性
        4. 最佳实践
        """
    },
    {
        "role": "user",
        "content": f"请 review 这部分代码变更：{diff_content}"
    },
]

实践案例​

案例：审查一个 API 接口​

提交的代码：

@app.route('/user/<user_id>')
def get_user(user_id):
    query = f"SELECT * FROM users WHERE id = {user_id}"
    result = db.execute(query)
    return result

AI 审查反馈：

## 变更评分：45/100

### 🚨 严重问题

1. **SQL 注入漏洞** - 直接拼接用户输入构造 SQL 查询，存在严重安全隐患

   ```python
   # 修复后
   query = "SELECT * FROM users WHERE id = ?"
   result = db.execute(query, (user_id,))

  1. 缺少错误处理 - 未处理数据库查询失败的情况

  2. 缺少权限验证 - 未验证请求者是否有权访问该用户数据

⚠️ 改进建议​

  1. 添加输入验证（用户 ID 格式检查）
  2. 使用 ORM 框架避免原生 SQL
  3. 添加日志记录

## 最佳实践

1. **明确审查范围** - 告诉 AI 关注哪些方面（安全、性能、风格等）
2. **提供上下文** - 让 AI 了解项目背景和技术栈
3. **人工复核** - AI 的建议需要人工判断，不要盲从
4. **持续优化** - 根据项目特点调整提示词

## 下一步

- 阅读 [提示工程入门](/docs/AI/01-ai-learning/prompt-engineering-basics) 学习如何写出更好的审查提示
- 查看 [AI 学习路线图](/docs/AI/01-ai-learning/ai-learning-roadmap) 了解完整学习路径

---

> 💡 提示：AI 审查是辅助手段，不能替代人工审查，尤其是架构设计和业务逻辑方面。