使用 AI 进行有效的代码审查（Code Review），其核心效能高度依赖于提供给 AI 模型的 提示词（Prompt） 。一个设计精良的 Prompt 不仅是“提出一个问题”，更是提供一套 明确的指令 和 丰富的上下文，用于引导 AI 准确地解析和理解目标代码。为了最大化 AI 在代码审查中的效用并避免信息冗余或偏差，关键在于通过 Prompt 主动塑造和严格限制 AI 的返回信息。这包含两个
架构AI 引擎：通过 Ollama 调用 DeepSeek-r:14b 模型 （横向对比过 coder/r1 等模型，14b 在准确性/速度上综合最优）触发机制：用 Flask 搭建轻量服务，监听 CodeArts 的 Webhook 推送的代码变更事件异步处理：因审计需 2-5 分钟，使用 Celery 任务队列解耦请求，避免阻塞结果输出： 生成静态审计报告页面 通过 Lark机器人
开源工具https://ollama.com/https://github.com/ollama/ollama部署所需环境我们考虑使用 7-27B 参数的AI模型来进行部署建议选用 DeepSeek-R1 ，Gemma 3内存：至少需要24GB内存，推荐32GB以上。显存：至少需要12GB显存。CPU核心数：推荐至少8核心的CPU。存储空间：至少需要100GB的可用存储空间。模型列表ModelPa
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
