用 Go 写了一个 GitLab AI 代码审查工具（v0.2.0：规则引擎 + 审计日志实践）

上一版把”Webhook → AI → 评论回写”的闭环跑通了。这段时间继续迭代，主要解决三个问题：审查规则能不能自定义？多个项目能不能用不同模型？审查失败了怎么排查？

📦 项目地址 👉 GitReviewAI

一、v0.2.0 做了什么？

一句话：从”能用”到”能管”。

上一版的审查规则是写死在代码里的，改规则就得改代码重新部署。现在：

• ✅ 审查规则可视化管理（内置 11 条 + 自定义）
• ✅ 多 AI 模型注册，项目级绑定
• ✅ 审计日志：每次审查的 Token 消耗、耗时、成功/失败全记录
• ✅ 业务配置全部迁到 Web 端，不用重启服务
• ✅ 审查失败可重试

二、审计规则管理

内置规则

系统预置了 11 条规则，按严重性分三级：

每条规则可单独启用/禁用，也可以添加自定义规则。

项目级覆盖

不同项目可以有不同的审查策略：

• 项目 A 启用全部规则（严格模式）
• 项目 B 只检查 ERROR 级别（宽松模式）
• 项目 C 额外加一条自定义规则：”检查 API 版本号是否递增”

规则配置存在数据库里，Web 端改完立即生效。

三、多模型支持

一个实际场景：有的项目用 GPT-4o，有的用 DeepSeek，有的用千帆。

现在支持：

1. 注册多个 AI 模型（名称、API Key、Base URL、Model Name）
2. 设置全局默认模型
3. 每个项目可以绑定不同的模型

1
2
3

项目 A → GPT-4o（代码质量要求高）
项目 B → DeepSeek（成本敏感）
项目 C → 千帆（内网部署）

审查时自动使用项目绑定的模型，没绑定的走全局默认。

四、审计日志

每次审查（成功或失败）都会记录一条日志：

实际用下来最有用的是 Token 消耗和错误信息。Token 消耗能帮你估算成本，错误信息能快速定位问题（比如”API key 无效”、”模型额度用完”）。

失败的审查可以点「重新审查」按钮重试。

五、配置 Web 化

上一版所有配置都在 config.yaml 里，改配置得重启服务。现在：

迁到 Web 端的配置：

• GitLab URL / Token
• AI 模型管理
• 审查规则
• 忽略路径（支持 glob 模式）
• 最大评论数
• 自动提交开关
• Webhook Token
• 日志级别
• JWT 过期时间

保留在 config.yaml 的（基础设施）：

• 端口、数据库路径、密码、JWT 密钥、加密密钥

config.yaml 的值作为首次启动的默认值，之后以数据库为准。

六、项目自动发现

不用手动注册项目。第一次收到某个项目的 MR Webhook 时，自动创建项目配置，用全局默认设置直接开始审查。

用户事后在 Web 端调整模型、规则、策略即可。

七、技术实现

1
2
3
4
5

Go 1.25
openai-go（OpenAI SDK）
Gin（HTTP 框架）
SQLite（数据存储）
Vue 3 + Naive UI（前端）

架构：

1
2
3
4
5
6
7
8

GitLab Webhook
  → 项目配置查询（自动建仓）
  → 触发条件检查（Draft / 分支过滤）
  → 动态选择 AI 模型
  → 动态生成系统提示词（规则 + 自定义）
  → AI 审查（带 Token 统计）
  → 结果持久化 + 审计日志
  → 可选自动提交到 GitLab

八、这个项目解决什么问题？

从”能用”到”能管”的转变：

• v0.1.0：跑通闭环，AI 能审查 MR 并贴评论
• v0.2.0：规则可配、模型可选、历史可查、失败可重试

实际使用中发现，不同团队、不同项目对代码审查的要求差异很大。有的团队只关心安全漏洞，有的团队连代码格式都要管。硬编码的规则不够用，必须让用户自己定义。

九、总结

v0.2.0 的核心价值：

1. 规则引擎 — 内置规则 + 自定义规则 + 项目级覆盖，灵活但不复杂
2. 多模型 — 不同项目用不同 AI，成本和质量的平衡
3. 审计日志 — 每次审查有迹可循，Token 消耗透明
4. 配置 Web 化 — 改配置不用重启，实时生效

如果你在折腾：

• Go + OpenAI 多模型调用
• GitLab 集成 + Webhook 处理
• 代码审查自动化
• 规则引擎设计
• 审计日志方案

可以拿去参考或者改着玩。

📌 项目地址： https://github.com/yuhua2000/GitReviewAI