2026-08-25 用 Codex 打造自动化代码审查机器人：从零到生产级实践

吨吨ai

38人浏览 · 2026-08-25 17:58:32

吨吨ai · 2026-08-25 17:58:32 发布

1. 背景与动机

代码审查是保证软件质量的重要环节，但人工审查往往受限于时间与精力。随着 AI 编程助手的发展，利用大模型自动完成初步代码审查已经成为现实。本文将以 OpenAI Codex 为核心，结合 GitHub Actions 与 Python，构建一个能够自动审查 Pull Request 的机器人，覆盖从环境搭建到生产部署的完整流程。

本文面向有一定 Python 基础、熟悉 Git 工作流的中级开发者。难度定位为进阶实战，内容形式为项目实战 + 最佳实践。全文约 3500 字，包含 4 段可运行代码。

2. 技术选型与架构设计

在动手之前，先明确技术栈：

Codex CLI：OpenAI 官方命令行工具，用于调用代码审查能力
Python 3.10+：编写审查逻辑与结果处理
GitHub Actions：自动化触发与结果回写
Docker：可选，用于隔离运行环境

整体架构如下：

3. 环境准备与 Codex 配置

首先安装 Codex CLI 并完成认证：

# 安装 Codex CLI
npm install -g @openai/codex

# 登录并配置 API Key
codex login

# 验证安装
codex --version

配置完成后，创建一个项目配置文件 codex_config.toml，用于指定审查规则：

[model]
model = "gpt-4.1"

[review]
temperature = 0.2
max_tokens = 2000
system_prompt = """
你是一名资深代码审查专家。请从以下维度审查代码：
1. 潜在 Bug 与边界条件
2. 安全漏洞（注入、越权等）
3. 性能问题
4. 代码风格与可维护性
输出格式：按严重程度分级列出问题，并给出修改建议。
"""

4. 编写审查脚本

接下来编写核心审查脚本 review.py。该脚本接收变更文件列表，调用 Codex 进行审查，并输出结构化结果：

import json
import subprocess
import sys
from pathlib import Path


def get_changed_files(base: str, head: str) -> list[str]:
    """获取两个分支之间的变更文件列表"""
    result = subprocess.run(
        ["git", "diff", "--name-only", base, head],
        capture_output=True,
        text=True,
        check=True,
    )
    return [f for f in result.stdout.splitlines() if f.endswith((".py", ".js", ".ts"))]


def run_codex_review(files: list[str]) -> str:
    """调用 Codex CLI 执行代码审查"""
    file_args = " ".join(f'"{f}"' for f in files)
    prompt = (
        f"请审查以下文件的代码变更：{file_args}\n"
        "重点关注逻辑错误、安全问题与性能隐患，按严重程度输出。"
    )
    result = subprocess.run(
        ["codex", "exec", "--json", prompt],
        capture_output=True,
        text=True,
        check=True,
    )
    return result.stdout


def parse_review_output(raw: str) -> dict:
    """解析 Codex 输出为结构化 JSON"""
    try:
        return json.loads(raw)
    except json.JSONDecodeError:
        return {"error": "无法解析审查结果", "raw": raw}


def main() -> None:
    base = sys.argv[1] if len(sys.argv) > 1 else "main"
    head = sys.argv[2] if len(sys.argv) > 2 else "HEAD"

    files = get_changed_files(base, head)
    if not files:
        print(json.dumps({"status": "no_changes"}))
        return

    raw_output = run_codex_review(files)
    result = parse_review_output(raw_output)
    result["files"] = files
    print(json.dumps(result, ensure_ascii=False, indent=2))


if __name__ == "__main__":
    main()

5. 接入 GitHub Actions

为了让审查流程自动化，创建 .github/workflows/code-review.yml：

name: AI Code Review

on:
  pull_request:
    types: [opened, synchronize]

jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - name: Checkout code
        uses: actions/checkout@v4
        with:
          fetch-depth: 0

      - name: Setup Python
        uses: actions/setup-python@v5
        with:
          python-version: "3.11"

      - name: Setup Node.js
        uses: actions/setup-node@v4
        with:
          node-version: "20"

      - name: Install Codex CLI
        run: npm install -g @openai/codex

      - name: Run review script
        env:
          OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}
        run: |
          python review.py origin/main HEAD > review_result.json

      - name: Upload review result
        uses: actions/upload-artifact@v4
        with:
          name: review-result
          path: review_result.json

6. 结果回写与评论发布

审查结果生成后，需要自动回写到 PR 评论区。这里使用 GitHub CLI 完成：

import json
import os
import subprocess


def post_review_comment(result_path: str, pr_number: str) -> None:
    """将审查结果发布为 PR 评论"""
    with open(result_path, "r", encoding="utf-8") as f:
        result = json.load(f)

    if result.get("status") == "no_changes":
        return

    issues = result.get("issues", [])
    if not issues:
        body = "✅ AI 审查未发现明显问题。"
    else:
        lines = ["## 🤖 AI 代码审查结果", ""]
        for issue in issues:
            severity = issue.get("severity", "info")
            emoji = {"critical": "🔴", "warning": "🟡", "info": "🔵"}.get(severity, "⚪")
            lines.append(f"{emoji} **[{severity.upper()}]** {issue.get('file', '')}")
            lines.append(f"  - {issue.get('message', '')}")
            if issue.get("suggestion"):
                lines.append(f"  - 💡 建议：{issue['suggestion']}")
            lines.append("")
        body = "\n".join(lines)

    subprocess.run(
        ["gh", "pr", "comment", pr_number, "--body", body],
        check=True,
        env={**os.environ, "GH_TOKEN": os.environ["GITHUB_TOKEN"]},
    )