我造了个AI代码审查员：每周省6小时，现在只盯架构不抠语法

周一早上9点半，我的GitHub界面通常挂着15个未处理的PR。一半是缩进不对、变量名起得随意这类琐事，另一半才是真正需要动脑的架构问题。2026年3月之前，我像个带呼吸的Linter——拿着资深工程师的工资，干着语法检查器的活。

三个月后的现在，这个数字变成了6小时。不是我辞职了，是我造了一个本地AI代理，专门啃第一遍代码审查的硬骨头。它跑在我的Mac Studio M3 Ultra上，代码不出办公室，评论自动贴到PR里。

这篇写清楚我怎么搭的、哪里摔过跤、以及为什么你也该动手。

先算账：人审到底浪费在哪

2026年Q1，我们团队每周平均45个PR。我初审一个大概15分钟，算下来每周11.25小时纯审查时间。但这里有组数据很扎眼：40%的PR带着CI/CD漏掉的基础问题——未使用的import、不一致的错误处理、TypeScript里缺类型定义。

这些本该机器干。但我之前没有机器，只能人肉扫。

我需要的东西很明确：能读diff、理解整个代码库的上下文、在我打开PR之前就标出逻辑漏洞。Copilot Chat能用，但每次都要手动敲prompt，不够自动化。我要的是条件触发、自动评论、零人工干预。

技术栈：本地LLM+GitHub Actions

核心约束只有一个：代码不能出公司。2026年了，大多数企业仍禁止把核心逻辑丢给公有云LLM。我选了Ollama跑Llama 3.3 70B，塞进办公室那台Mac Studio M3 Ultra。推理速度够用，数据全在本地。

编排层用Python脚本，GitHub Actions触发。流程很直白：

1. PR创建或更新
2. Action触发脚本
3. 脚本拉取diff和相关文件上下文
4. 发给本地Ollama实例
5. LLM返回结构化JSON
6. 脚本把评论写回PR

最难的不是模型，是上下文管理

你不能把整个代码库塞进prompt。Token上限会炸，模型也会懵。我的策略是"变更文件+直接依赖"——比如auth.ts改了，就把user_model.ts也塞进上下文窗口。

Prompt结构我卡得很死，方便后端解析。系统角色设定成Senior Staff Engineer，目标明确：找逻辑错误、安全漏洞、性能瓶颈。风格问题一律不管，Linter会处理。

输出格式强制JSON，带severity字段（critical/warning/suggestion）和具体行号引用。这样脚本能直接映射到代码位置，不用正则瞎猜。

实际跑起来什么样

第一周就抓到个生产级bug。同事重构支付模块时，把异步验证改成了同步，但忘记处理超时。CI全绿，人工审查也很容易滑过去—— diff看起来就是几行await的增删。AI标出来了：timeout未处理，可能阻塞主线程。

这类问题占我现在的审查精力。语法、格式、拼写错误？AI批完我扫一眼，点approve。架构层面的耦合、边界情况遗漏、潜在竞态条件？这才是我花时间的地方。

踩过的坑

Token预算比想象中紧。Llama 3.3 70B的上下文窗口够大，但代码库的依赖图一展开，很容易超。我最后做了两层过滤：先按文件路径匹配找直接依赖，再用AST解析确认符号引用关系，没引用的不塞。

另一个坑是幻觉。模型偶尔会"建议"一个根本不存在的函数，或者把某行代码的错误安到另一行。我的解法是在prompt里加约束：每条批评必须引用具体代码片段，不能泛泛而谈。后端再校验行号是否真实存在。

还有延迟问题。大diff的推理能拖到90秒，GitHub Action默认超时是60秒。我改了workflow配置，也加了缓存——没变更的文件上下文直接复用，不重复生成embedding。

为什么本地而不是云端

除了隐私，成本也是因素。按我们团队的PR量，调OpenAI或Anthropic的API，每月大概烧掉400-600美元。Mac Studio是一次性投入，Ollama开源免费。三个月已经回本。

更重要的是可控。我可以换模型——试过Qwen 2.5 72B，中文代码库表现更好；可以调temperature，让输出更确定；可以改system prompt，适配我们团队的代码规范。云端API给不了这种粒度。

你现在就能动手

不需要等公司批准预算。一台M系列Mac、Ollama、几百行Python，周末就能搭出MVP。从单个仓库的自动评论开始，跑两周看假阳性率，再迭代prompt。

我的配置已经开源在GitHub，搜"local-pr-agent-ollama"能找到。但别直接复制——你们团队的代码结构、审查重点、接受的风险级别都不一样。拿它当骨架，自己长肉。

最后一点：这玩意不会取代人审。它把我从"检查变量名"解放到"思考架构合理性"，审查质量反而上去了。每周省下的6小时，我拿来写设计文档、做技术调研、或者准点下班。都值。