Введение
В этой статье я покажу, как всего за 30 минут встроить в ваш CI/CD-пайплайн полноценного AI-ревьюера и ассистента — без платных API-ключей, без интеграции с OpenAI и без лишней инфраструктуры. Всё, что нам понадобится, — это AI Review и OpenRouter — универсальный шлюз к десяткам LLM, от GPT-4o до Claude и Mistral, доступный бесплатно.
Мы настроим систему так, чтобы она автоматически запускалась при каждом Pull или Merge Request и не только оставляла комментарии к коду — от точечных inline-замечаний до краткого summary-обзора, — но и выступала в роли AI-ассистента, способного отвечать на ваши комментарии и выполнять указания прямо внутри обсуждения.
В примере я покажу запуск через GitHub Actions, но тот же подход одинаково хорошо работает и в GitLab, Bitbucket и Gitea. При этом у вас нет никаких ограничений: AI Review поддерживает Gemini, OpenAI, Claude, Ollama, OpenRouter и работает с любыми популярными VCS — GitHub, GitLab, Gitea, Bitbucket.
Что такое OpenRouter?
OpenRouter — это универсальный шлюз к десяткам современных LLM (Large Language Models): GPT-4o, Claude, Gemini, Mistral и другим. Один API и один ключ дают доступ ко всем моделям сразу — вы просто выбираете нужную и переключаетесь между ними без изменения кода.
AI Review поддерживает OpenRouter «из коробки», поэтому остаётся только получить токен и указать его в конфигурации.
Как получить токен OpenRouter
Перейдите на openrouter.ai и авторизуйтесь (через GitHub или Google).
В личном кабинете откройте раздел Keys и нажмите Create Key.
Дайте ключу понятное имя и скопируйте его.
Рекомендуется создать отдельный ключ для CI/CD, чтобы его можно было отозвать отдельно.
Как добавить токен в GitHub Actions
Чтобы использовать токен в пайплайне, добавьте его в Secrets репозитория:
Settings → Secrets and variables → Actions → New repository secret
В поле Name: OPENROUTER_API_TOKEN
В поле Value: вставьте скопированный токен
Теперь ключ будет доступен как secrets.OPENROUTER_API_TOKEN и его можно безопасно использовать в workflow.
Аналогично переменные задаются и в GitLab, Bitbucket или Jenkins — имя переменной остаётся тем же.
Создаём конфиг AI Review
Первое, что нужно сделать, — это описать настройки инструмента AI Review. Он управляется через конфигурационный файл .ai-review.yaml, который располагается в корне проекта. Минимального конфига достаточно, чтобы сразу запустить AI-ревью в CI/CD:
llm: provider: OPENROUTER # Используем OpenRouter как LLM-провайдера meta: model: mistralai/mistral-7b-instruct:free # Бесплатная модель через OpenRouter max_tokens: 15000 # Максимальное количество токенов в ответе temperature: 0.3 # Чем ниже значение, тем строже ответы http_client: timeout: 120 api_url: https://openrouter.ai/api/v1 # Базовый URL API vcs: provider: GITHUB # Используем GitHub как систему контроля версий http_client: timeout: 120 api_url: https://api.github.com # API GitHub
И всё — AI Review подключится к модели через OpenRouter и начнёт анализировать изменения в вашем Pull Request.
Тот же конфиг легко адаптируется под GitLab, Bitbucket или Gitea — достаточно поменять vcs.provider и api_url. Если нужно добавить собственные промпты, изменить стиль комментариев, ограничить количество замечаний или исключить файлы из анализа — всё это настраивается в расширенном конфиге. Примеры можно найти в документации AI Review.
Создаём workflow GitHub Actions
Теперь добавим пайплайн, который будет запускать AI Review автоматически при каждом Pull Request. Всё просто: создаём файл .github/workflows/ai-review.yml и используем готовый action из GitHub Marketplace.
name: 🤖 AI Review on: # Ручной запуск пайплайна из вкладки Actions (можно заменить на on: pull_request) workflow_dispatch: inputs: review-command: type: choice default: «run» options: [ run, run-inline, run-context, run-summary, run-inline-reply, run-summary-reply ] required: true description: «AI Review command» pull-request-number: type: string required: true description: «Pull request number» jobs: ai-review: name: Run AI Review runs-on: ubuntu-latest steps: # 1️⃣ Клонируем репозиторий и получаем diff изменений — name: 🧱 Checkout repository uses: actions/checkout@v4 with: fetch-depth: 0 # 2️⃣ Запускаем AI Review — name: 🚀 Run AI Review uses: Nikita-Filonov/ai-review@v0.36.0 env: # 🔑 Токен GitHub для доступа к Pull Request и публикации комментариев VCS__HTTP_CLIENT__API_TOKEN: ${{ secrets.GITHUB_TOKEN }} # 📦 Контекст PR — владелец, репозиторий и номер запроса VCS__PIPELINE__OWNER: ${{ github.repository_owner }} VCS__PIPELINE__REPO: ${{ github.event.repository.name }} VCS__PIPELINE__PULL_NUMBER: ${{ inputs.pull-request-number }} # 🤖 Токен OpenRouter для доступа к LLM LLM__HTTP_CLIENT__API_TOKEN: ${{ secrets.OPENROUTER_API_TOKEN }} with: # 🧠 Команда ревью: полный анализ, только inline, только summary и т.д. review-command: ${{ inputs.review-command }}
Всё — после коммита этого файла можно запускать пайплайн прямо из вкладки Actions и получать AI-ревью кода без дополнительной настройки.
Если вы используете GitLab, Bitbucket или Jenkins, структура остаётся такой же: установите ai-review через pip install xai-review или запустите готовый Docker-образ, а затем вызовите CLI-команду ai-review run с нужными переменными окружения. Примеры конфигураций для других CI доступны в документации.
Результат
Перед запуском убедитесь, что ваш токен GitHub (GITHUB_TOKEN) имеет права read + write для Pull Requests — иначе AI Review не сможет публиковать комментарии. Это настраивается в разделе Settings → Actions → General → Workflow permissions → Read and write permissions.
Далее всё просто:
Перейдите на вкладку Actions в вашем репозитории.
Выберите workflow 🤖 AI Review.
Нажмите Run workflow, укажите номер Pull Request и команду ревью (например, run-inline или run-summary).
После запуска workflow AI Review автоматически подключится к модели, проанализирует diff и начнёт публиковать результаты прямо в интерфейсе PR. Вот как это выглядит на практике
Inline Review: построчные комментарии
В этом режиме AI Review анализирует каждую изменённую строку и оставляет точечные комментарии в диффе. Это основной формат ревью, который помогает быстро находить ошибки и потенциальные улучшения прямо в коде.
Summary Review: общий обзор
Здесь AI формирует одно большое сообщение под Pull Request, описывающее сильные и слабые стороны изменений, архитектурные замечания и общие рекомендации.
AI-ассистент: ответы и помощь
AI Review умеет не только анализировать код, но и выступать в роли интерактивного помощника: он может отвечать на комментарии, объяснять свою логику или выполнять дополнительные задачи по вашему запросу.
Чтобы активировать ответ ассистента, достаточно добавить в сообщение специальный тег:
#ai-review-inline-reply — если хотите получить ответ на конкретный inline-комментарий
#ai-review-summary-reply — если нужен ответ в summary-обсуждении
Эти теги можно изменить или переопределить в конфигурации, если вы хотите использовать собственный стиль запросов.
Ассистент: объяснение комментария
Мы попросим AI объяснить, почему он оставил конкретное inline-замечание в src/calculator.py. Ассистент анализирует контекст и формулирует развёрнутый ответ, который можно использовать прямо в обсуждении PR.
Ассистент: генерация тестов
В summary-обсуждении можно попросить AI написать тесты для любого компонента. Например, мы попросим его сгенерировать тесты для класса Calculator из файла src/calculator.py. Результат — готовый пример тестового файла, который можно сразу добавить в проект.
Всё это работает без дополнительного кода и настройки — ассистент активируется теми же командами (run-inline-reply и run-summary-reply) и использует тот же LLM, что и основное ревью.
Заключение
Важно понимать: сам AI Review не “оценивает качество” кода — он лишь автоматизирует процесс ревью и обеспечивает удобную интеграцию в CI/CD. Итоговый результат напрямую зависит от того, какую модель вы выберете. Хотите максимально точные и глубокие комментарии — используйте, например, gpt-4o или claude-3.5. Нужны быстрые и лёгкие проверки — подойдут mistral или phi.
В этом примере мы использовали OpenRouter и бесплатную модель, но на практике никаких ограничений нет: AI Review одинаково хорошо работает с OpenAI, Claude, Gemini, Ollama и OpenRouter, а также поддерживает все популярные системы контроля версий — GitHub, GitLab, Gitea и Bitbucket.
За 30 минут вы можете встроить в CI/CD полноценного AI-ревьюера и ассистента — без платных подписок, без внешней инфраструктуры и с полным контролем над кодом. А дальше всё зависит только от выбранной модели и ваших задач.
Полезные ссылки и демо
Чтобы не тратить время на поиски — вот всё, что нужно для повторения примера и вдохновения:
AI Review на GitHub — опенсорсный инструмент для автоматического анализа кода.
Пример Pull Request с комментариями
Пример GitHub Actions pipeline
Минимальный конфиг .ai-review.yaml
Документация и примеры расширенной конфигурации
Если статья оказалась полезной — поставьте звёздочку репозиторию AI Review на GitHub. Это поможет проекту развиваться и оставаться полностью бесплатным и опенсорсным.
Источник: habr.com
