中科院-李明宇-基于GPT的代码review助手开发与应用

背景与痛点

代码审查（PR Review）在软件开发中至关重要，但普遍存在成本高、效率低、心理压力大等问题，核心成员精力分配受限。

Code-Chat-Reviewer 开发历程与实现原理

1. v0.1版本：使用 GPT-3.5 API，效果不理想，问题琐碎，期待 GPT-4 API 开放。
2. v0.2版本：采用 GPT-4 和 prompt engineering，引入 Chat 机制。
3. v1-alpha版本：引入数据库 Chat/Conversation 功能，但 Review 结果不收敛，修改后仍提出新意见。

应用效果与优缺点

• 优点：
  • 审核工作量降低 70% 以上。
  • 局部问题导致的代码质量问题减少 40% 以上。
  • 核心程序员代码贡献量提高一倍以上。
• 缺点：
  • 一些简单问题未检查出。
  • 对自身代码 Review 时易混淆 Prompts，对其他项目可能存在类似问题。
  • 仍会提出琐碎问题。
  • 缺少对项目整体上下文的考虑。

最近一个月的新进展

• 支持上传、下载图片、CodeInterpreter 等功能。
• GPTs 无法调试，无日志记录（外部调用可记录）。
• RAG 效果不佳，复杂场景需接入第三方服务。
• 不保存对话历史，方便切换 SystemMessage。
• 不支持回调，需不断轮训，调用参数不可控。

总结与展望

• 整体效果：显著提升代码审查效率和质量，降低核心成员负担。
• 适用场景：低频场景、异步任务可接受较贵、较慢的模型，适合复杂调用链和多模型融合。