市面上的 AI 代码 Review 工具大多只看代码本身，无法判断代码是否真正实现了业务需求，因此审查结果常常停留在语法、规范等表层，缺乏业务上下文。前端开发中真正耗费精力的，恰恰是确认代码与需求文档、PRD、接口文档是否一致——比如字段是否对得上接口、交互是否符合原型、逻辑是否覆盖了 PRD 里的分支。本工具立项正是为了解决这一痛点：让 AI 在 Review 代码时同步结合业务需求文档、PRD 与接口文档进行交叉比对，做出"懂业务"的审查；同时通过工程化手段提升审查准确性、降低 token 消耗，让结合大量文档的深度 Review 既精准又低成本。
本工具支持按代码作者（支持同一人多 git 身份）、提交时间段、项目路径，自动检索改动并交由 AI 结合业务上下文审查。核心功能：1、Git 提交检索 + 区间净 diff，仅审查时间段内的净改动，从源头规避"先写错后改对"类误报；2、接入 PRD、接口文档、原型、项目说明文档（支持本地路径与飞书链接）作为审查依据，做"代码做得对不对"的业务对照；3、面向大体量 diff 的结构感知切片 + 并行调度 + 块级缓存 + token 预算账户，保障大改动稳定审查并控制成本；4、BM25 + 语义向量混合召回，精准补齐相关上下文；5、误报治理闭环，一键将误报/有意设计沉淀回项目记忆，越用越准；6、issue 置信度与自我反驳、通俗化解释、修复 Prompt 一键复制；7、长任务进度可视化、可中断、可恢复。输出 Markdown / HTML / JSON 报告 + 编辑器行内标记。形态为 CLI + VSCode 插件双形态。
本项目由我独立完成需求设计、架构与全部开发，历时约十天迭代 30+ 个版本，从 CLI 核心链路验证演进为具备切片、并行、缓存、RAG 召回、误报治理、多模型适配、可观测可中断的完整审查系统。技术栈：Node.js + VSCode 插件，AI 模型通过自定义 base URL 接入 Claude / OpenAI 及国产 OpenAI 兼容模型（DeepSeek/Kimi/智谱等）。核心难点与解法：1、大 diff 喂不进模型——结构感知切片 + token 预算账户（塞满即报错而非静默截断）+ 跨 chunk 上下文补偿，解决切片后局部视野丢失导致的误报；2、字段表被切断引发"字段不存在"误报——整表保留 + 召回审计；3、国产模型不支持 strict schema 导致整次崩溃——结果归一化三道兜底；4、长任务卡死——空闲超时 + 总墙双闸 + 进度可视化 + 中断恢复；5、纠正"一人一 git 名"的核心假设，作者筛选升级为多身份 OR 匹配，避免静默漏审。配套覆盖切片、预算、RAG、聚合健壮性的回归测试。
评论