AI驱动的代码审查工具ReviewCerberus

ReviewCerberus 是一款开源的人工智能代码审查工具，旨在通过分析 Git 分支差异来生成全面的审查报告。该项目由 Kirill89 开发，采用 MIT 许可证，主要使用 Python 和 TypeScript 编写。

该工具的核心功能包括自动化的 PR 审查，通过 GitHub Actions 集成，可以在拉取请求打开或同步时自动触发。它支持多种 AI 模型提供商，如 AWS Bedrock、Anthropic API、Ollama 和 Moonshot，用户可以根据自身需求选择。审查范围涵盖逻辑正确性、安全性、性能、代码质量、副作用、测试覆盖率和文档完整性等多个方面。

ReviewCerberus 的输出采用结构化格式，包含一个高层次的摘要、问题表格（按严重程度分为关键、高、中、低）以及每个问题的详细说明、位置和修复建议。此外，该工具还提供了一些实验性功能，例如通过 Chain-of-Verification 机制减少误报，以及集成 OpenGrep（Semgrep 的分支）进行静态应用安全测试（SAST）预扫描。

用户可以通过 Docker 或 Poetry 本地运行 ReviewCerberus，也可以作为 GitHub Action 使用。配置主要通过环境变量进行，包括模型提供商的选择和相应的 API 密钥。项目还提供了丰富的命令行选项，如指定目标分支、输出格式（Markdown 或 JSON）、自定义审查指南、启用验证模式和 SAST 扫描等。

ReviewCerberus 的工作流程是：检测当前 Git 分支和仓库，收集所有上下文（包括更改的文件、提交信息和差异），然后利用 AI 代理进行分析。代理可以读取文件内容、搜索代码模式、列出目录等，最终生成结构化的审查报告。对于大型 PR，它还支持上下文压缩以提高效率。

在开发方面，项目强调代码质量，要求严格的类型注释、明确的返回类型，并使用 Black 和 isort 进行格式化。测试包括单元测试和集成测试，后者通过 act 工具模拟 GitHub Actions 环境。

总体而言，ReviewCerberus 为开发团队提供了一种灵活、可扩展的代码审查解决方案，结合了 AI 的智能分析和传统静态分析工具的精确性。