开头

AI 编程工具已经不稀奇了，但很多人还停留在“让 AI 帮我写一段代码”。

我更关心另一件事：

能不能把 AI 接进真实研发流程，让它在每次提交代码时自动帮我做第一轮 Review？

这篇文章用一个最小 demo 演示：读取 Git diff，生成结构化 Review Prompt，再交给 AI 输出代码风险、测试建议和可维护性建议。

为什么从 PR Review 开始

因为它有几个典型特点：

  1. 输入明确：代码 diff。
  2. 输出明确：问题、风险、建议。
  3. 价值容易感知：减少低级错误，提高 Review 起点。
  4. 不要求完全替代人：AI 做第一轮筛查，人做最终判断。

这比“让 AI 写整个项目”更可控，也更适合团队落地。

工作流设计

这个 demo 分成 4 步：

  1. 从 Git 读取 diff。
  2. 把 diff 和 Review 规则合成 Prompt。
  3. 调用 AI 模型生成 Review。
  4. 输出 Markdown 格式结果。

最小流程：

git diff -> review prompt -> AI review -> markdown report

Review 规则

我希望 AI 不要泛泛评价，而是重点看这些问题：

  • 是否有明显 bug
  • 是否有边界条件遗漏
  • 是否有安全风险
  • 是否有性能风险
  • 是否有可读性和维护性问题
  • 是否需要补测试
  • 是否存在过度设计

这几个维度比“代码写得怎么样”更具体，也更容易得到可执行建议。

本地运行

进入工具目录：

cd tools/git-diff-review

先只生成 Prompt：

node bin/ai-diff-review.mjs --prompt-only --cached

如果你没有暂存代码，可以比较最近一次提交：

node bin/ai-diff-review.mjs --prompt-only --base HEAD~1

配置 API Key 后可以直接生成 Review：

set OPENAI_API_KEY=你的 key
node bin/ai-diff-review.mjs --cached

输出示例

AI 应该输出这样的结构：

## Summary

这次修改主要影响了...

## Must Fix

- 问题：
- 位置：
- 原因：
- 建议：

## Should Improve

- ...

## Tests To Add

- ...

这个工具不该做什么

它不应该替代人工 Review。

更合理的定位是：

  • 提前发现明显问题
  • 帮 Review 人节省第一轮扫描时间
  • 给作者提交 PR 前一个自查机会
  • 把团队 Review 标准沉淀成模板

下一步可以怎么扩展

  1. 接入 GitHub Actions，在 PR 时自动评论。
  2. 根据项目语言加载不同 Review 规则。
  3. 只 Review 指定目录，比如 src/。
  4. 输出测试建议并生成测试草稿。
  5. 把团队规范写进 prompt，比如日志、异常处理、API 风格。

结论

AI 编程真正有价值的地方，不只是让它帮你写代码。

更高价值的方向是：

把 AI 变成研发流程里的自动化节点。

PR Review 是一个很适合开始的节点，因为输入和输出都足够明确，风险也可控。

这也是我做 AI Dev Workflows 这个系列的原因：不用空谈 AI 提效，而是一个真实工作流一个真实工作流地拆。

参与反馈

仓库地址：

https://github.com/Eric2026-maker/ai-dev-workflows

如果你也想把 AI 接进自己的研发流程，可以在 GitHub issue 里告诉我你的场景。

我现在最想收集这几类反馈：

  • 你最想自动化的是 Review、测试、需求拆解，还是文档？
  • 你所在团队能不能接受 AI 读取代码 diff？
  • 你希望 Review 结果输出到终端、PR 评论，还是飞书/Slack？
  • 你愿不愿意试用这个 CLI，并给一个真实项目反馈？