从零开始学习jQuery (八) 插播:jQuery实施方案

捞鹿盐硬如果你也在为“评审慢、质量不稳定、沟通碎片化、重复劳动多”而头疼，这篇文章会把我们在 AIReview 项目中的实践完整分享给你：我们如何把多模型 LLM 能力、Prompt 可定制、异步分析、实时协作、Git 集成等组合起来，让代码评审真正落地、可量化、可持续改进。

我们要解决什么问题？

评审效率低：PR 大、改动多，人工通读耗时长且容易遗漏风险。

质量难对齐：不同评审人标准不一，建议分散在聊天和评论里，缺少沉淀与复用。

反馈不成体系：只见“问题”，不见“维度”，难以形成团队共识与可追踪的改进路线。

重复性劳动：套路化的检查和描述（如 PR 摘要、风险提示、测试建议）一遍遍重复。

AIReview 的目标，是用 AI 把“可自动化的部分”自动化，把“需要人判断的部分”信息充分化、结构化，从而让评审既快又准。

AIReview 怎么做的？一图胜千言

下面几张项目内页截图，带你快速感受从“创建项目”到“进入评审”的整体体验：

创建或启动项目

项目列表视图

评审主页与导航

AI 分析建议面板

Diff 视图与重点变更

逐行评论与讨论线程

关键能力一览

智能 AI 代码评审（多维度）

质量、安全、性能、可维护性等多维度分析与风险评分

上下文相关的改进建议，聚焦“可落地”

多 LLM 支持（OpenAI、Azure OpenAI、自建/私有模型等），可按项目或用户配置

异步后台分析（Hangfire），面对大型代码库依然响应迅速

Prompt 可定制（三级模板）

内置 → 用户级 → 项目级逐级覆盖，灵活适配团队风格与场景

支持 {{CONTEXT}}、{{DIFF}}、{{FILE_NAME}} 等占位符

前端可视化管理模板，CRUD 一站式完成

高级 PR 分析与摘要

自动生成变更摘要、影响评估、部署注意事项与回滚提示

变更类型分类（特性、修复、重构、文档等）

测试建议与关注点提示，帮助评审人“少走弯路”

改进建议引擎

按类别（质量、性能、安全、架构等）组织建议

基于影响 × 成本的优先级评分，便于排期落地

接受/忽略反馈回路，长期跟踪采纳率与趋势

Git 深度集成

导入现有仓库、解析 Diff、绑定提交历史

多分支工作流与评审记录关联

实时协作与工作流

SignalR 推送通知，评论/状态实时更新

评审请求 → 指派 → 审批/驳回/请求修改的完整生命周期

可观测与成本意识

Token 用量与调用统计（API 侧已提供 TokenUsage 控制器），便于成本评估与优化

一套顺手的评审流程（从 0 到 1）

创建项目并配置 LLM 与 Prompt 模板

根据团队规范定制模板，确保建议“说人话、可执行”。

关联/导入 Git 仓库并触发分析

对 PR 或特定分支发起评审，系统自动拉取 Diff 并进行异步分析。

在“评审主页”先看大局

先读自动摘要与风险评分，快速锁定重点文件与变更块。

进入文件级/行级视图

查看 AI 建议与证据（上下文/代码片段），必要时补充人类判断与团队惯例。

输出明确的结论与动作

通过评论/任务清单明确修复项；必要时请求修改或批准合并。

回收经验，沉淀到模板

把“讨论中达成的新共识”沉淀进 Prompt 模板，下一次自动做到位。

架构与技术选型（简版）

分层与领域清晰：API（ASP.NET Core）/ Core（领域与业务）/ Infrastructure（EF Core、外部服务、Hangfire、Redis）

实时通信：SignalR 推送评审状态与消息

数据库：SQLite（默认）或 PostgreSQL（生产推荐）

前端：React + TypeScript + Vite + TailwindCSS + React Query

异步处理：Hangfire 负责长耗时 AI 分析任务

模块化：Repository + Unit of Work，接口驱动，方便替换 LLM 与外部集成

扩展阅读：

架构设计（中文）见 docs/design.md

Architecture Design (English) 见 docs/design.en-us.md

上手非常简单（开发环境）

后端（.NET 8）：

配置 AIReview.API/appsettings.Development.json（连接串、JWT、可选 Redis）

运行数据库迁移并启动 API（Swagger 可用）

前端（React + Vite）：

安装依赖，配置 VITE_API_BASE_URL

本地启动开发服务器，浏览器访问即可

提示：本仓库提供 AIReview.Tests 便于后端用例验证，前端可按需接入 Vitest/Jest。

为什么值得一试？

更准确：多模型 + 模板可定制，建议贴合你们的代码与语境

更迅速：异步分析 + 缓存机制，面对大 PR 也能快速定位风险

更可控：Token 用量可追踪，分析粒度可调，成本与收益可量化

更协作：实时评论、统一工作流，评审沟通不再碎片化

更可扩：接口驱动的架构，易于新增 LLM 或接入企业内网能力

Roadmap（节选）

更强的“代码修复建议”：生成可预览的补丁与 Diff

多模型集成：融合多 LLM 提升鲁棒性

IDE 集成：VS Code 插件，边写边评审

分析报表：质量趋势、团队效率、技术债务看板

安全/合规模块：更深度的安全扫描与许可证合规

完整路线图与特性详情，见仓库根目录 README.md 与 docs/ 文档。

结语