openreview

GitHub
1.2k 88 简单 1 次阅读 今天开发框架
AI 解读 由 AI 自动生成,仅供参考

OpenReview 是一款由 Vercel 推出的开源 AI 代码审查机器人,旨在为开发者提供智能、自动化的 Pull Request(PR)评审服务。它主要解决了传统代码审查中人工耗时较长、反馈不及时以及基础格式错误占用精力等问题。通过简单的部署,团队即可获得一个私有的 AI 助手,在代码提交后迅速提供高质量的分析与建议。

这款工具特别适合追求高效开发流程的软件工程师、技术团队负责人以及开源项目维护者使用。其核心亮点在于“按需触发”与“沙箱执行”机制:开发者只需在 PR 评论中提及 @openreview,系统便会启动一个隔离的 Vercel 沙箱环境,完整克隆代码库并安装依赖。基于强大的 Claude 模型,OpenReview 不仅能阅读代码、运行 lint 检查和测试,还能直接生成行级修改建议甚至自动修复格式错误并提交推送。此外,它支持通过表情反应来批准或跳过建议,并允许用户自定义扩展技能。作为一个处于测试阶段的内部项目转开源工具,OpenReview 展现了将大语言模型深度集成到现代开发工作流中的巨大潜力,帮助团队更专注于核心逻辑的创新。

使用场景

某电商团队的后端工程师正在紧急修复一个支付模块的并发漏洞,并提交了包含复杂逻辑变更的 Pull Request(PR)。

没有 openreview 时

  • 人工审查耗时久:资深架构师需手动拉取代码到本地,配置环境并运行测试,往往需要数小时才能给出反馈,严重阻塞合并流程。
  • 静态检查覆盖不全:传统 Linter 只能发现格式错误,无法识别深层的逻辑隐患或未处理的边界情况,导致潜在 Bug 流入生产环境。
  • 修复互动成本高:发现格式不规范或简单错误时,审查者只能留言指出,开发者需反复切换上下文进行修改、提交和推送,沟通效率低下。
  • 环境一致性风险:不同审查者的本地环境差异可能导致“在我机器上是好的”这类问题,难以复现真实的构建失败原因。

使用 openreview 后

  • 即时按需审查:开发者在 PR 评论区提及 @openreview,系统立即在隔离的 Vercel Sandbox 中克隆代码并启动基于 Claude 的智能代理,几分钟内即可输出深度报告。
  • 动态执行与深度洞察:openreview 自动安装依赖并运行项目原有的测试套件和 Linter,不仅能发现语法错误,还能结合上下文分析出并发竞争等逻辑缺陷。
  • 一键修复建议:针对格式错误或简单 Bug,openreview 直接生成行级代码建议块,审查者点击即可应用,甚至能自动提交修复补丁到当前分支。
  • 标准化沙箱环境:所有分析均在统一的云端沙箱中执行,确保了依赖版本和运行环境的一致性,彻底消除了本地环境差异带来的干扰。

openreview 通过将耗时的手动代码审查转化为分钟级的自动化闭环,显著提升了团队的交付速度与代码质量。

运行环境要求

操作系统
  • 未说明
GPU

不需要本地 GPU

内存

未说明

依赖
notes该工具为基于云端的 SaaS/Serverless 架构,主要依赖 Vercel 平台部署,无需本地配置操作系统、GPU 或 Python 环境。运行需配置 GitHub App 权限及 Anthropic API Key (Claude)。本地开发建议使用 Bun 包管理器。计算和代码沙箱执行均在 Vercel 云端完成。
python未说明
Next.js
Vercel Workflow
Vercel Sandbox
AI SDK
Chat SDK
Octokit
Bun
openreview hero image

快速开始

OpenReview

一款开源、可自托管的 AI 代码审查机器人。部署到 Vercel,连接 GitHub 应用程序,即可获得由 Claude 提供支持的按需 PR 审查。

测试版:OpenReview 目前处于测试阶段。它最初是作为内部项目构建的,旨在帮助 Vercel 团队共同测试其技术。请做好应对不完善之处和可能破坏性变更的准备。

使用 Vercel 部署

功能特性

  • 按需审查 — 在任何 PR 评论中提及 @openreview 即可触发审查。由 Chat SDK 提供支持。
  • 沙盒执行 — 在具有完整仓库访问权限的隔离 Vercel Sandbox 中运行,能够执行 linter、格式化工具和测试。
  • 行级建议 — 发布带有 GitHub 建议块的行级评论,支持一键修复。
  • 代码更改 — 可直接修复格式问题、linter 报错及简单 Bug,并提交推送到您的 PR 分支。
  • 反应功能 — 使用 👍 或 ❤️ 表示批准建议,或使用 👎 或 😕 表示跳过。
  • 持久工作流 — 基于 Vercel Workflow 构建,确保可靠且可恢复的执行。
  • 可扩展技能 — 内置审查 skills,并支持通过 .agents/skills/ 添加自定义技能。
  • 由 Claude 提供支持 — 通过 AI SDK 使用 Claude Sonnet 4.6 进行高质量的代码分析。
  • 简单路由处理器 — 使用 Next.js 路由处理器 轻松定义自定义 API 端点和 Webhook 的路由处理逻辑。

工作原理

sequenceDiagram
    participant U as 开发者
    participant GH as GitHub
    participant WH as Webhook 处理器
    participant WF as Vercel 工作流
    participant SB as Vercel 沙盒
    participant AI as Claude 代理

    U->>GH: PR 评论中 @openreview
    GH->>WH: Webhook 事件
    WH->>WF: 启动工作流

    WF->>GH: 检查推送权限
    WF->>SB: 创建沙盒
    SB->>SB: 克隆 PR 分支上的仓库
    SB->>SB: 安装依赖
    SB->>SB: 配置 git

    WF->>AI: 使用 PR 上下文运行代理
    AI->>SB: 读取文件、运行 linter、探索代码
    SB-->>AI: 命令输出
    AI->>GH: 发布行内评论与建议
    AI-->>WF: 代理完成

    WF->>SB: 检查是否有未提交的更改
    alt 有更改
        WF->>SB: 提交并推送到 PR 分支
        SB->>GH: 推送更改
    end
    WF->>SB: 停止沙盒

    U->>GH: 对建议进行 👍 或 ❤️ 反应
    GH->>WH: 反应事件
    WH->>WF: 启动新的工作流运行
  1. 在 PR 评论中提及 @openreview(可选附带具体指令)。
  2. OpenReview 启动一个沙盒环境,并在 PR 分支上克隆仓库。
  3. 由 Claude 提供支持的代理会审查差异、探索代码库并运行项目工具。
  4. 代理将发现的结果以 PR 评论的形式发布,并附带行内建议。
  5. 如果进行了更改(如格式修复、linter 修复等),这些更改会被提交并推送到分支。
  6. 沙盒随后被清理。

设置步骤

1. 部署到 Vercel

点击上方按钮,或将此仓库克隆后部署到您的 Vercel 账户。

2. 创建 GitHub 应用程序

创建一个新的 GitHub 应用程序,配置如下:

Webhook URLhttps://your-deployment.vercel.app/api/webhooks

仓库权限

  • 内容:读取与写入
  • 问题:读取与写入
  • 拉取请求:读取与写入
  • 元数据:只读

订阅事件

  • 问题评论
  • 拉取请求评审评论

生成私钥和 webhook 密钥,并记下您的应用 ID 和安装 ID。

3. 配置环境变量

将以下环境变量添加到您的 Vercel 项目中:

变量 描述
ANTHROPIC_API_KEY Claude 的 API 密钥
GITHUB_APP_ID 您的 GitHub 应用程序 ID
GITHUB_APP_INSTALLATION_ID 您所监控仓库的安装 ID
GITHUB_APP_PRIVATE_KEY 为您的 GitHub 应用程序生成的私钥(换行符用 \n 表示)
GITHUB_APP_WEBHOOK_SECRET 您配置的 webhook 密钥
REDIS_URL (可选)用于持久化状态的 Redis URL,若未设置则回退至内存存储

4. 安装 GitHub 应用程序

将 GitHub 应用程序安装到您希望 OpenReview 监控的仓库中。安装完成后,在任意 PR 评论中提及 @openreview 即可触发审查。

使用方法

触发审查:在任意 PR 上留言 @openreview。您还可以附带具体指令:

@openreview 检查安全漏洞
@openreview 运行 linter 并修复所有问题
@openreview 解释认证流程的工作原理

反应:对 OpenReview 的评论使用 👍 或 ❤️ 表示批准并应用其建议;使用 👎 或 😕 表示跳过。

技能

OpenReview 采用渐进式技能系统——代理仅在相关时加载特定指令,从而保持上下文聚焦并确保审查的彻底性。技能会在运行时从 .agents/skills/ 中自动发现。

内置技能

技能 描述
next-best-practices 文件规范、RSC 边界、数据模式、异步 API、元数据、错误处理
next-cache-components PPR、use cache 指令、cacheLifecacheTagupdateTag
next-upgrade 按照官方迁移指南和代码改造工具升级 Next.js
vercel-composition-patterns 可扩展的 React 组合模式,适用于组件重构
vercel-react-best-practices React 和 Next.js 性能优化指南
vercel-react-native-skills React Native 和 Expo 的最佳实践,用于构建高性能移动应用
web-design-guidelines 审查 UI 代码,确保符合 Web 界面指南和无障碍访问要求

添加自定义技能

.agents/skills/ 目录下创建一个文件夹,并在其中放置一个包含 YAML 前置元数据的 SKILL.md 文件:

.agents/skills/
└── my-custom-skill/
    └── SKILL.md
---
name: my-custom-skill
description: 何时使用此技能 — 代理会读取这段描述来决定是否加载它。
---

# 我的自定义技能

在此处填写您的专业评审说明……

代理仅在其系统提示中看到技能名称和描述。当请求匹配某项技能时,它会调用 loadSkill 来获取完整的指导说明,从而保持上下文窗口的简洁。

技术栈

开发

bun install
bun dev

许可证

MIT

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|昨天
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|昨天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

142.7k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.9k|★★☆☆☆|今天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|今天
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|今天
语言模型图像Agent