基于 sunmh207/AI-Codereview-Gitlab 演进的 OpenCode Agent Review 版本，保留原有多平台 AI Code Review 能力，并新增 OpenCode Serve backend 集成。
本项目是一个基于大模型的自动化代码审查工具，帮助开发团队在代码合并或提交时，快速进行智能化的审查(Code Review)，提升代码质量和开发效率。
- 🚀 多模型支持
- 兼容 DeepSeek、ZhipuAI、OpenAI、Anthropic、通义千问 和 Ollama，想用哪个就用哪个。
- 📢 消息即时推送
- 审查结果一键直达 钉钉、企业微信 或 飞书，代码问题无处可藏！
- 📅 自动化日报生成
- 基于 GitLab & GitHub & Gitea Commit 记录，自动整理每日开发进展，谁在摸鱼、谁在卷，一目了然 😼。
- 📊 可视化 Dashboard
- 集中展示所有 Code Review 记录，项目统计、开发者统计，数据说话，甩锅无门！
- 🎭 Review Style 任你选
- 专业型 🤵：严谨细致，正式专业。
- 讽刺型 😈：毒舌吐槽，专治不服（"这代码是用脚写的吗？"）
- 绅士型 🌸：温柔建议，如沐春风（"或许这里可以再优化一下呢~"）
- 幽默型 🤪：搞笑点评，快乐改码（"这段 if-else 比我的相亲经历还曲折！"）
- 🤖 Agentic Review 模式（可选）
- LLM 拥有工具调用能力（
read_file/ 沙箱run_command）， 可在本地克隆的代码库内自主探索，产出更全面的 review 结果。 - shell 默认仅允许读类命令（
ls/cat/grep/find/git log…）， 沙箱 + 路径越界 + 30s 超时三重防护。 - 任意阶段失败（clone / fetch / LLM / 工具调用）自动降级回
diff_only， 保证至少返回与原版一致的 review。 - 详细配置与开销说明见下方 Agentic Review Mode
- LLM 拥有工具调用能力（
- 🤖 OpenCode Agent Review 集成
- 支持集成 OpenCode Serve API，通过 Agent 进行代码审查
- 当收到 PR/MR webhook 事件时，自动触发 OpenCode Agent Review
- 支持自定义 Agent 名称和 API 地址配置
- 可与内置 LLM Review 功能并行使用或独立使用
效果图:
当用户在 GitLab 上提交代码（如 Merge Request 或 Push 操作）时，GitLab 将自动触发 webhook 事件，调用本系统的接口。系统随后通过第三方大模型对代码进行审查，并将审查结果直接反馈到对应的 Merge Request 或 Commit 的 Note 中，便于团队查看和处理。
1. 准备环境文件
- 克隆项目仓库：
git clone https://github.com/wufei-png/AI-Codereview-Gitlab-Opencode.git
cd AI-Codereview-Gitlab-Opencode
- 创建配置文件：
cp conf/.env.dist conf/.env
- 编辑 conf/.env 文件，配置以下关键参数：
#大模型供应商配置,支持 zhipuai , openai , deepseek 和 ollama
LLM_PROVIDER=deepseek
#DeepSeek
DEEPSEEK_API_KEY={YOUR_DEEPSEEK_API_KEY}
#支持review的文件类型(未配置的文件类型不会被审查)
SUPPORTED_EXTENSIONS=.java,.py,.php,.yml,.vue,.go,.c,.cpp,.h,.js,.css,.md,.sql
#钉钉消息推送: 0不发送钉钉消息,1发送钉钉消息
DINGTALK_ENABLED=0
DINGTALK_WEBHOOK_URL={YOUR_WDINGTALK_WEBHOOK_URL}
#Gitlab配置
GITLAB_ACCESS_TOKEN={YOUR_GITLAB_ACCESS_TOKEN}
#OpenCode Agent Review配置（可选）
#开启后webhook收到PR/MR事件时会发送请求到opencode serve的API进行review
OPENCODE_ENABLED=0 # 0关闭，1开启
OPENCODE_API_URL=http://localhost:4096 # OpenCode Serve API地址
OPENCODE_AGENT_NAME=code-reviewer # Agent名称
# 如果 OpenCode 服务器启用了认证，需要配置以下两项
# OPENCODE_SERVER_USERNAME=opencode
# OPENCODE_SERVER_PASSWORD=your-password
#LLM Review开关（设置为0则不通过内置LLM进行Code Review）
LLM_REVIEW_ENABLED=1 # 0关闭，1开启2. 启动服务
docker-compose up -d3. 验证部署
- 主服务验证：
- 访问 http://your-server-ip:5001
- 显示 "The code review server is running." 说明服务启动成功。
- Dashboard 验证：
- 访问 http://your-server-ip:5002
- 看到一个审查日志页面，说明 Dashboard 启动成功。
1. 获取源码
git clone https://github.com/wufei-png/AI-Codereview-Gitlab-Opencode.git
cd AI-Codereview-Gitlab-Opencode2. 安装依赖
使用 Python 环境（建议使用虚拟环境 venv）安装项目依赖(Python 版本：3.10+):
pip install -r requirements.txt3. 配置环境变量
同 Docker 部署方案中的.env 文件配置。
4. 启动服务
- 启动API服务：
python api.py- 启动Dashboard服务：
streamlit run ui.py --server.port=5002 --server.address=0.0.0.0方法一：在 GitLab 个人设置中，创建一个 Personal Access Token。
方法二：在 GitLab 项目设置中，创建Project Access Token
在 GitLab 项目设置中，配置 Webhook：
- URL：http://your-server-ip:5001/review/webhook
- Trigger Events：勾选 Push Events 和 Merge Request Events (不要勾选其它Event)
- Secret Token：上面配置的 Access Token(可选)
备注
- Token使用优先级
- 系统优先使用 .env 文件中的 GITLAB_ACCESS_TOKEN。
- 如果 .env 文件中没有配置 GITLAB_ACCESS_TOKEN，则使用 Webhook 传递的Secret Token。
- 网络访问要求
- 请确保 GitLab 能够访问本系统。
- 若内网环境受限，建议将系统部署在外网服务器上。
- 在钉钉群中添加一个自定义机器人，获取 Webhook URL。
- 更新 .env 中的配置：
#钉钉配置 DINGTALK_ENABLED=1 #0不发送钉钉消息，1发送钉钉消息 DINGTALK_WEBHOOK_URL=https://oapi.dingtalk.com/robot/send?access_token=xxx #替换为你的Webhook URL
企业微信和飞书推送配置类似，具体参见 常见问题
OpenCode Agent Review 是一个可选的代码审查功能，可以与内置的 LLM Review 功能并行使用或独立使用。
- 确保已部署 OpenCode Serve 服务（参考 OpenCode 官方文档），通常：
opencode web --hostname 0.0.0.0 --port 4096 - 更新 .env 中的配置：
# OpenCode Agent Review配置 OPENCODE_ENABLED=1 # 0关闭，1开启 OPENCODE_API_URL=http://127.0.0.1:4096 # 替换为你的OpenCode Serve API地址 OPENCODE_AGENT_NAME=code-reviewer # 替换为你的Agent名称 # 如果 OpenCode 服务器启用了认证，需要配置以下两项 OPENCODE_SERVER_USERNAME=opencode OPENCODE_SERVER_PASSWORD=your-password
- opencode示例配置
- 当 webhook 收到 GitHub/GitLab/Gitea 的 PR/MR 事件时，如果
OPENCODE_ENABLED=1，系统会自动调用 OpenCode API 创建 session 并发送 review 请求 - OpenCode Review 和内置 LLM Review 可以同时启用，两者互不影响
- 如果只需要使用 OpenCode Review，可以设置
LLM_REVIEW_ENABLED=0来关闭内置 LLM Review
1.如何对整个代码库进行Review?
可以通过命令行工具对整个代码库进行审查。当前功能仍在不断完善中，欢迎试用并反馈宝贵意见！具体操作如下：
python -m biz.cmd.review运行后，请按照命令行中的提示进行操作即可。
2.其它常见问题
参见 常见问题
REVIEW_STRATEGY 环境变量切换两种 review 策略：
diff_only（默认）：仅对 diff 做 review，行为与原版完全一致。agentic：LLM 拥有工具调用能力（read_file / 沙箱 shell）， 可在本地克隆的代码库内自主探索，产出更全面的 review 结果。
启用 agentic 模式：
REVIEW_STRATEGY=agentic
REPO_CACHE_DIR=/var/data/repo_cache # 可选，默认 data/repo_cache/
AGENT_MAX_ITERATIONS=20 # 可选，默认 20agentic 模式会按需在 REPO_CACHE_DIR 下克隆/更新目标项目（约 10MB~2GB / 项目）。
任意阶段失败（clone / fetch / LLM / 工具调用异常）都会自动降级回 diff_only，
保证至少返回与原版一致的 review。
agentic 模式的额外开销：
- 磁盘：建议预留 ≥ 50GB
- 内存：单次 session 峰值 ~500MB
- Token：单次 review 平均 5k - 50k tokens（diff_only 的 3 - 10 倍）
- 时延：30s~5min / review
AGENT_SHELL_ALLOWLIST / AGENT_SHELL_BLOCKLIST 调整。
功能更丰富的 AI Code Review 版本。
项目介绍与使用说明：Code Review Pro 版
快速安装命令：
curl -fsSL https://raw.githubusercontent.com/sunmh207/AI-Codereview-Gitlab/refs/heads/main/scripts/pro/install.sh | bash如果你正在使用 AI Agent 开发工具 (如: Cursor、Claude Code、Codex ...)，并希望对人机交互过程进行全面的记录与回溯分析，推荐使用 Entire Dashboard。该项目提供了完整的人机交互记录与可视化分析功能，可帮助你深入理解 AI Agent 的使用模式，优化交互体验，提升开发效率。
若本项目对您有帮助，欢迎 Star ⭐️ 或 Fork。 有任何问题或建议，欢迎提交 Issue 或 PR。
也欢迎加微信/微信群，一起交流学习。
