企业官网建设流程全解析

1. 什么是 open-code-review：一个被误读却极具实操价值的开发者协作新范式

“open-code-review”这个词最近在技术社区里频繁刷屏，但很多人一看到就下意识觉得是“开源项目的代码评审流程”，或者直接等同于 GitHub Pull Request 的默认行为。其实完全不是。我从去年底开始在三个中型团队落地这套机制，它根本不是一套流程规范，而是一套可嵌入日常开发流的轻量级 CLI 工具链 + LLM 协作协议——核心目标只有一个：把“人工 Code Review”里最耗时、最易出错、最依赖经验的那部分，用结构化提示+上下文感知+增量 diff 分析的方式，提前拦截在提交前。它不替代人，而是让人的注意力真正聚焦在架构权衡、业务逻辑漏洞和安全边界上，而不是花 20 分钟去核对某处空指针是否加了判空。

你可能已经用过类似 codex cli、zcode cli 或 trae cli 这类工具，但它们大多停留在“单文件问答”或“命令行调用大模型”的层面，缺乏对 git 工作区状态的深度感知，更没有把 review 拆解成“语义理解→变更意图识别→风险模式匹配→建议生成→可执行修复”的闭环链条。而 open-code-review 的关键突破点，恰恰在于它把 LLM 当作一个有上下文记忆、懂 Git 语义、能理解工程约束的协作者，而不是一个会写 Hello World 的聊天机器人。比如，当你执行ocr review --staged，它不会泛泛而论“这段代码可以优化”，而是精准指出：“src/utils/date.ts第 47 行新增的formatDate调用，在当前 commit 中首次引入对Intl.DateTimeFormat的依赖，但package.json未声明engines.node最低版本（需 ≥14.0），CI 环境 Node 12.22 下将抛出 ReferenceError”。这种颗粒度，才是它区别于普通 CLI 工具的本质。

它也不是什么“AI 替代程序员”的噱头。我带过的两个前端团队试运行三个月后，PR 平均评论数下降 38%，但关键缺陷检出率反而上升 22%——因为工程师终于有精力去 review “为什么这里要用 debounce 而不是 throttle”，而不是反复确认“这个 if 判断有没有漏掉 else”。所以如果你正被低效的 CR 流程拖慢迭代节奏，或者团队新人总在基础规范上反复踩坑，open-code-review 不是锦上添花的玩具，而是能立刻见效的协作基础设施。它适合所有使用 Git 的现代工程团队，无论你是 React/Vue 项目，还是 Rust/Go 后端服务，甚至 Python 数据 pipeline，只要你的代码变更能被 git diff 描述，它就能介入。

2. 核心设计思路拆解：为什么必须是 CLI + Git Diff + LLM Agent 三位一体

2.1 不做 Web UI，坚持 CLI 优先：这是效率与集成的生命线

很多团队一开始就想做个漂亮的 Web 界面，配个“AI Review Dashboard”，结果两周没跑通登录鉴权，一个月还在纠结权限粒度。我直接否掉了所有 UI 方案，原因很实在：真正的代码审查发生在开发者敲完git add之后、git commit之前的那 30 秒。这时候他手边开着终端，IDE 正在高亮语法错误，大脑还处在“刚解决完 bug”的兴奋态。如果让他切窗口、点网页、粘贴 diff、等加载动画……这个动作就会被无限推迟，最终变成“下次再试”。

CLI 的优势是物理级的贴近：

• 零上下文切换：ocr review --staged就是一次回车，输出直接落在当前 terminal，和git status是同一认知路径；
• 天然支持管道与脚本：你可以把它塞进 pre-commit hook，也可以在 CI 脚本里加一句ocr review --all --fail-on-critical，失败就中断构建；
• 权限最小化：不需要申请 OAuth、不用开内网端口、不涉及用户数据上传——它只读取本地工作区的 git index 和 diff，连.git/config都不碰，审计友好性拉满。

我们对比过三种接入方式的实际落地成本：

最后全团队统一走 CLI 路径，不是因为我们讨厌 UI，而是因为开发者最高效的决策点，永远在命令行光标闪烁的那一刻。

2.2 Git Diff 是唯一可信的上下文源：为什么不用 AST 或文件快照

市面上不少“智能代码分析”工具喜欢强调自己用 AST 解析，号称“比正则更准确”。但我在实际压测中发现，AST 在以下场景会严重失真：

• TypeScript 类型擦除后：const user: User = fetchUser();的 AST 中User只剩any，无法判断是否应校验非空；
• 宏/模板引擎注入：Vue SFC 的<script setup>编译后 AST 与源码结构差异巨大；
• 跨文件引用丢失：import { api } from '@/utils/request'的 AST 无法追溯到request.ts的具体实现，除非整项目重解析——这在单次 review 中不可接受。

而 git diff 是黄金标准：它精确描述了“开发者意图改变什么”。+ const formatted = formatDate(date, 'YYYY-MM-DD');这一行，明确传递了三个信号：1）新增了日期格式化调用；2）参数是date和字符串字面量；3）变量名暗示用于展示层。LLM Agent 结合 diff 上下文（比如该行所在函数叫renderUserProfile），就能推理出“此处格式化结果大概率要渲染到 DOM”，进而触发“检查 XSS 风险”的子流程。这种基于变更意图的推理，远比静态扫描某个文件的 AST 更贴近真实开发逻辑。

我们做过对照实验：对同一组 127 个 PR，分别用 AST 分析器和 diff 驱动 Agent 扫描，结果如下：

结论很清晰：diff 不是降级方案，而是更高级的上下文抽象。它把代码从“静态文本”还原为“动态行为片段”，这才是 LLM 能真正理解的输入。

2.3 LLM Agent ≠ 大模型调用：三层协同架构的设计哲学

很多人混淆了“用 LLM 做 code review”和“LLM Agent 做 code review”。前者是curl -X POST https://api.openai.com/v1/chat/completions丢一段代码过去，后者是一个有状态、有分工、有容错的协作体。我们的 open-code-review Agent 架构分三层：

第一层：Context Orchestrator（上下文编排器）
它不碰模型，只干三件事：

• 解析 git diff，提取变更文件列表、每文件增删行号、关联的 commit message；
• 根据项目根目录下的.ocr-config.yml，加载语言规则（如 TypeScript 项目启用 strictNullChecks 检查）、团队规范（如“禁止使用 any 类型”）、历史问题库（上次 PR 中高频出现的 bug 模式）；
• 把原始 diff 切片：对长文件只传变更行前后 5 行，对 config 文件单独走 schema 校验流，对 test 文件跳过性能类建议。

第二层：Specialist Ensemble（专家模型池）
我们不用单一模型“包打天下”，而是按任务分发：

• Security Specialist：用 CodeLlama-34B-Instruct，专攻 SQLi/XSS/硬编码密钥，输入含 AST 片段（仅限安全相关节点）；
• Logic Specialist：用 DeepSeek-Coder-33B，处理控制流、状态机、边界条件，输入为 diff + 函数签名 + JSDoc；
• Style Specialist：用 Phi-3-mini，轻量快速，负责命名规范、注释完整性、空行规则，输入仅为 diff 文本。

提示：模型选型不是越大越好。DeepSeek-Coder-33B 在逻辑推理上比 GPT-4 Turbo 快 3.2 倍，且对中文注释理解更准；Phi-3-mini 在 Style 检查中响应 <800ms，而 GPT-4 Turbo 平均 2.1s——这对 CLI 体验是生死线。

第三层：Action Executor（执行器）
收到模型输出后，它不做简单打印，而是：

• 自动 patch：对低风险建议（如“变量名可改为userDisplayName”），生成sed命令并询问Apply? [y/N]；
• 创建 issue draft：对中风险（如“缺少错误边界”），生成 GitHub Issue 模板，预填复现步骤；
• 阻断提交：对高风险（如“检测到 AWS_SECRET_KEY 硬编码”），直接exit 1并输出 remediation 命令（ocr fix aws-key-leak --file src/config.ts）。

这三层不是线性调用，而是带反馈环的：如果 Security Specialist 报告“疑似密钥”，Action Executor 会触发 Context Orchestrator 重新提取该行附近所有字符串常量，送入更严格的正则+熵值双校验流。这种设计让整个系统既有 LLM 的泛化能力，又有传统工具的确定性保障。

3. 核心细节解析与实操要点：从安装到生产级配置的完整链路

3.1 安装与初始化：避开 npm/yarn/pnpm 的兼容性陷阱

npm install -g open-code-review看似简单，但实际落地时 70% 的团队卡在第一步。根本原因不是网络，而是 Node.js 版本与二进制依赖的错配。我们实测发现：

• Node.js 16.x：@llama-cpp/node二进制缺失，fallback 到 wasm 模式，速度下降 5 倍；
• Node.js 18.x：sharp图像处理库编译失败，影响 SVG 生成报告功能；
• Node.js 20.x：sqlite3本地缓存模块需重编译，CI 环境常超时。

解决方案是强制指定 Node.js 版本 + 使用预编译二进制：

# 推荐：用 nvm 管理版本（避免污染全局） nvm install 20.12.0 nvm use 20.12.0 # 安装时指定平台二进制（Linux x64 示例） npm install -g open-code-review@latest --platform=linux --arch=x64 --build-from-source=false # 验证安装 ocr --version # 应输出 v0.8.3+commit-hash ocr doctor # 自检环境，会报告缺失的 git-lfs、jq 等依赖

注意：ocr doctor是必跑命令。它会检查：

• git 是否配置了core.autocrlf=input（Windows 用户常忽略，导致 diff 行尾符误判）；
• .gitignore是否包含node_modules/（否则会扫描整个依赖树，内存爆表）；
• $HOME/.ocr/cache是否可写（本地模型缓存目录，建议 SSD 分区）。

如果ocr doctor报错Missing required binary: jq，别急着apt install jq——很多 CI 环境（如 GitHub Actions ubuntu-latest）默认已装，但 PATH 未更新。此时执行：

echo "$PATH" | tr ':' '\n' | grep -E "(bin|local/bin)" # 若无输出，手动添加 export PATH="/usr/bin:$PATH"

3.2 配置文件深度解析：.ocr-config.yml的 12 个关键字段

配置文件是 open-code-review 的灵魂，它决定了 Agent 的“性格”。默认生成的.ocr-config.yml只有基础字段，但生产环境必须扩展。以下是必须掌握的 12 个字段及其真实场景含义：

# .ocr-config.yml version: "0.8" # 配置格式版本，升级时检查兼容性 # 1. model_selection：不是选“哪个大模型”，而是选“什么任务用什么模型” model_selection: security: "codellama-34b-instruct-q4_k_m" # 量化版，平衡速度与精度 logic: "deepseek-coder-33b-instruct-q6_k" # 高精度逻辑推理 style: "phi-3-mini-4k-instruct-q4_k_m" # 轻量风格检查 # 2. context_window：直接影响成本与效果 context_window: max_tokens: 8192 # 总上下文长度 diff_lines: 200 # 单次 review 最多分析 200 行 diff（防 OOM） file_context: 5 # 每个文件最多带入 5 行上下文（非变更行） # 3. rules：团队规范的机器可读版 rules: - id: "no-any-type" language: "typescript" pattern: "\\bany\\b" severity: "error" message: "禁止使用 any 类型，请用 unknown 或具体类型替代" autofix: "replace:unknown" # 支持自动替换 - id: "missing-error-boundary" language: "react" pattern: "componentDidCatch" severity: "warning" message: "React 组件缺少错误边界，请在父组件中添加" # 无 autofix，需人工介入 # 4. embedding_cache：本地向量库加速相似问题检索 embedding_cache: enabled: true path: ".ocr/embeddings.db" # SQLite 存储，支持并发读 similarity_threshold: 0.82 # 余弦相似度 >0.82 视为同类问题 # 5. git_hooks：pre-commit 的黄金配置 git_hooks: pre_commit: enabled: true skip_on_ci: true # CI 环境跳过，防构建卡顿 timeout: 30 # 超过 30 秒自动终止，避免阻塞提交 # 6. output_format：不只是“输出什么”，而是“怎么交付” output_format: console: "rich" # 使用 rich 库渲染彩色表格和进度条 report: "markdown" # 生成 README.md 兼容的报告 ci: "github-actions" # 适配 GitHub Actions 注释语法 # 7. telemetry：合规底线 telemetry: enabled: false # 默认关闭，无任何遥测 anonymize: true # 若开启，IP/用户名全部哈希脱敏 # 8. cache_strategy：决定速度的关键 cache_strategy: diff_hash: "sha256" # 对 diff 内容哈希，相同变更秒返回 model_output: "lru" # LRU 缓存最近 100 条模型输出 # 9. network_fallback：离线可用性保障 network_fallback: enabled: true local_models: ["phi-3-mini", "tinyllama"] # 本地模型路径 timeout: 5000 # 网络请求超时 5s，超时即切本地 # 10. language_detection：不止识别文件后缀 language_detection: override: - pattern: "Dockerfile.*" language: "dockerfile" - pattern: ".*\\.spec\\.ts$" language: "typescript-test" # 11. custom_prompts：让 LLM 真正理解你的团队 custom_prompts: system: | 你是一名资深前端架构师，专注 React 生态。团队规范： - 禁止使用 class 组件 - useEffect 依赖数组必须显式声明 - API 错误统一用 toast 提示，禁止 console.error 请用中文回复，建议不超过 2 句话，带 emoji ✅❌⚠️ # 12. ignore_patterns：不是忽略文件，而是忽略噪声 ignore_patterns: - "**/node_modules/**" - "**/__tests__/**" - "**/dist/**" - "src/generated/**" # 自动生成代码，无需 review

实操心得：rules字段最容易被低估。很多团队直接复制 ESLint 规则，结果发现pattern: "\\bconsole\\.log\\b"会误杀console.log('debug')和console.log = () => {}。正确做法是用ast_pattern（需开启 AST 解析）：

- id: "no-console-log" ast_pattern: "CallExpression[callee.object.name='console'][callee.property.name='log']" severity: "warning"

3.3 语言与框架专项配置：React/Vue/Python/Go 的差异化策略

不同技术栈的 review 重点天差地别，通用配置必然失效。以下是四大主流栈的实操配置要点：

React 项目
核心矛盾：JSX 语法糖导致 AST 解析失真，必须依赖 diff 语义。关键配置：

rules: - id: "missing-key-in-map" language: "react" pattern: "map\\(.*?\\)\\s*\\{[^}]*?\\}" severity: "error" message: "map 渲染必须提供 key 属性，避免列表重排异常" # 用正则匹配 JSX map 模式，比 AST 更可靠 - id: "use-effect-missing-deps" language: "react" pattern: "useEffect\\((?:[^)]|\\([^)]*\\))*,\\s*\\[([^\\]]*)\\]\\s*\\)" severity: "error" message: "useEffect 依赖数组缺失必要变量，请检查：${1}" # 提取依赖数组内容，动态提示缺失项

Vue 3 (Composition API)
难点：<script setup>编译后作用域隔离，需特殊处理。必须启用：

language_detection: override: - pattern: ".*\\.vue$" language: "vue-sfc" # 在 rules 中启用 Vue 专属检查 rules: - id: "vue-ref-missing-type" language: "vue-sfc" pattern: "ref\\((?!.*?:)" severity: "warning" message: "ref() 建议显式声明类型，如 ref<string>('')"

Python 数据工程
痛点：Pandas/Numpy 代码易产生隐式类型转换。重点检查：

rules: - id: "pandas-dtype-coercion" language: "python" pattern: "pd\\.read_csv\\(|pd\\.DataFrame\\(" severity: "warning" message: "read_csv 未指定 dtype，可能导致内存暴增，请添加 dtype 参数" autofix: "add-dtype-param" # 自动插入 dtype={'col': 'string'} - id: "missing-exception-handling" language: "python" pattern: "requests\\.get\\(|requests\\.post\\(" severity: "error" message: "HTTP 请求必须包裹 try/except，捕获 requests.exceptions.RequestException"

Go 微服务
关键：内存安全与并发原语。必须启用：

rules: - id: "go-race-condition" language: "go" pattern: "go\\s+func\\(" severity: "critical" message: "goroutine 启动函数可能访问共享变量，请检查变量逃逸" # 结合 go tool race 检测结果增强 - id: "missing-context-timeout" language: "go" pattern: "http\\.DefaultClient\\.Do\\(|&http\\.Client\\{" severity: "error" message: "HTTP Client 调用必须传入带 timeout 的 context"

注意：Vue 和 Go 的规则需配合language_detection.override才生效。很多团队配置失败，是因为没意识到.vue文件默认被识别为html，.go文件被识别为text——必须显式覆盖。

4. 实操过程与核心环节实现：一次真实 PR 的全流程拆解

4.1 场景设定：电商订单服务新增优惠券核销接口

我们以一个真实案例演示 open-code-review 如何介入开发流。背景：后端 Go 团队需新增/api/v1/orders/{id}/coupon/apply接口，支持用户在下单页核销优惠券。开发者小王完成编码后，执行标准流程：

# 1. 查看变更 git status # modified: internal/handler/order.go # modified: internal/service/order.go # new file: internal/handler/order_test.go # 2. 预审：在提交前运行 ocr ocr review --staged

4.2 Context Orchestrator 的实时解析：从 diff 到结构化上下文

OCR 首先解析git diff --cached输出，提取关键元数据：

• 变更文件：internal/handler/order.go（新增 32 行）、internal/service/order.go（修改 18 行）、internal/handler/order_test.go（新增 47 行）；
• Commit Message：feat(order): add coupon apply endpoint with validation；
• 关联 Issue：#1287（Jira ticket ID，从 commit message 解析）；
• Git Blame：order.go第 120 行由alice@team.com修改，order_test.go全新文件。

接着，Orchestrator 根据.ocr-config.yml加载规则：

• Go 语言规则启用（language_detection匹配.go后缀）；
• #1287关联的历史问题库加载（发现该 ticket 曾因“优惠券并发扣减”被退回）；
• internal/handler/目录被标记为“高风险区”（配置中risk_zones: ["handler", "middleware"]）。

最终生成的上下文结构体（简化版）：

{ "files": [ { "path": "internal/handler/order.go", "language": "go", "diff": "+func (h *OrderHandler) ApplyCoupon(c echo.Context) error {...}", "blame_author": "alice@team.com", "risk_zone": true } ], "related_issues": ["#1287"], "commit_message": "feat(order): add coupon apply endpoint with validation", "project_rules": ["go-race-condition", "missing-context-timeout"] }

4.3 Specialist Ensemble 的协同推理：三层模型如何分工

Context Orchestrator 将结构化上下文分发给三个 Specialist：

Security Specialist（CodeLlama-34B）
输入：order.godiff 片段 +order_test.go全文（测试文件常暴露敏感逻辑）
输出：

✅ 安全通过：未检测到硬编码密钥、SQL 注入、XSS ⚠️ 风险提示：order_test.go 第 33 行使用固定优惠券 ID "COUPON_2024"，建议改用 testutil.GenerateCouponID() 避免测试污染

Logic Specialist（DeepSeek-Coder-33B）
输入：order.godiff +order.go周围 5 行上下文 +order_test.go的测试用例
输出：

❌ 严重问题：ApplyCoupon 方法未校验优惠券有效期（check valid_until < now），可能导致过期券被核销 ❌ 严重问题：并发场景下，优惠券库存扣减未加锁，存在超卖风险（参考 #1287 历史问题） ✅ 建议：在 service.ApplyCoupon 中添加 redis lock，key 为 "coupon:lock:{coupon_id}"

Style Specialist（Phi-3-mini）
输入：order.godiff 文本
输出：

⚠️ 风格警告：第 125 行变量名 err1 建议改为 validationErr，符合团队命名规范 ✅ 通过：函数注释完整，包含 @param @return

4.4 Action Executor 的智能响应：不只是报告，而是行动

Executor 收到三路输出后，执行分级响应：

• Critical 级别（并发扣减）：立即阻断，输出：

  CRITICAL: Missing concurrency control in ApplyCoupon Detected race condition risk on coupon stock deduction. Remediation command: ocr fix race-condition --file internal/service/order.go --line 89

  执行ocr fix race-condition后，自动在service.ApplyCoupon函数开头插入：

  lockKey := fmt.Sprintf("coupon:lock:%s", couponID) if !redisClient.Lock(lockKey, 5*time.Second).Acquire() { return errors.New("coupon locked by another process") } defer redisClient.Unlock(lockKey)

• Error 级别（有效期校验）：生成 patch 并询问：

  ERROR: Missing coupon validity check Suggested fix (y/N/a for all): --- internal/handler/order.go +++ internal/handler/order.go @@ -122,0 +123 @@ + if !coupon.IsValid(time.Now()) { + return echo.NewHTTPError(http.StatusBadRequest, "coupon expired") + }

• Warning 级别（测试 ID）：写入 report.md，不阻断流程：

  ## 📝 Review Report for #1287 ### ⚠️ Test Hygiene - `internal/handler/order_test.go:33`: Hardcoded coupon ID "COUPON_2024" → Replace with `testutil.GenerateCouponID()` to prevent test pollution

整个过程耗时 4.2 秒（本地模型），开发者在git commit前已获得可执行的修复方案，而非一份需要人工解读的 PDF 报告。

5. 常见问题与排查技巧实录：那些文档里不会写的坑

5.1 模型加载失败：90% 的问题源于 CUDA 驱动与 PyTorch 版本错配

现象：ocr review报错OSError: libcudart.so.12: cannot open shared object file或CUDA out of memory。这不是 OCR 的 bug，而是底层 llama.cpp 或 transformers 的 CUDA 兼容问题。

根因分析：

• llama.cpp0.22+ 要求 CUDA 12.2+，但 Ubuntu 22.04 默认nvidia-driver-525只支持 CUDA 11.8；
• PyTorch 2.2+ 预编译 wheel 绑定 CUDA 12.1，而nvidia-smi显示驱动版本 535 对应 CUDA 12.2——版本链断裂。

终极解决方案（亲测有效）：

# 1. 卸载所有 NVIDIA 驱动 sudo apt purge nvidia-* # 2. 安装官方推荐驱动（Ubuntu 22.04） wget https://us.download.nvidia.com/tesla/535.54.03/NVIDIA-Linux-x86_64-535.54.03.run sudo ./NVIDIA-Linux-x86_64-535.54.03.run --no-opengl-files # 3. 安装 CUDA Toolkit 12.2（非 12.1！） wget https://developer.download.nvidia.com/compute/cuda/12.2.2/local_installers/cuda_12.2.2_535.104.05_linux.run sudo ./cuda_12.2.2_535.104.05_linux.run --silent --override # 4. 重装 OCR（强制编译） npm install -g open-code-review@latest --build-from-source=true

验证命令：ocr doctor --verbose会显示CUDA Version: 12.2.123和llama.cpp compiled with CUDA.

5.2 Git Diff 解析异常：Windows 换行符与 CRLF 的隐形战争

现象：Windows 用户执行ocr review --staged时，模型输出大量乱码或报错invalid byte sequence。根源是 Git 的core.autocrlf设置。

真相：

• core.autocrlf=true（Windows 默认）：checkout 时转 CRLF，commit 时转 LF；
• 但 OCR 直接读取.git/index，拿到的是 LF 格式，而开发者编辑器显示 CRLF，diff 内容错位。

一劳永逸的修复：

# 全局设置（推荐） git config --global core.autocrlf input # 重置工作区（危险！先备份） git rm --cached -r . git reset --hard # 验证：所有文件在工作区为 LF，index 中也为 LF file $(git ls-files) | grep CRLF # 应无输出

注意：core.autocrlf=input不影响 Windows 编辑器显示（VS Code 自动处理），只确保 Git 内部一致。这是所有跨平台团队的基线配置。

5.3 规则误报：正则表达式在多行字符串中的灾难

现象：规则pattern: "console\\.log"在const template = \console.log('hello')`;` 中误报。这是因为正则跨行匹配失控。

安全写法（三步法）：

1. 限定作用域：用ast_pattern替代pattern，只匹配 AST 中的 CallExpression；
2. 添加锚点：pattern: "^\\s*console\\.log\\s*\\("，确保是语句开头；
3. 排除字符串：在 custom prompt 中明确指令：

   custom_prompts: user: | Ignore all console.log inside template literals, string literals, and comments. Only flag console.log as top-level statement or function call argument.

5.4 CI 环境超时：GitHub Actions 中的资源限制陷阱

现象：GitHub Actions 运行ocr review --all超时（60 分钟），或内存溢出Killed。原因是默认 runner（ubuntu-latest）只有 7GB 内存，而 full repo scan 需 12GB+。

生产级 CI 配置：

# .github/workflows/ocr.yml name: Open Code Review on: [pull_request] jobs: ocr: runs-on: ubuntu-22.04 # 关键：升级 runner 规格 container: image: ghcr.io/open-code-review/ubuntu-22.04-large:latest # 预装 OCR + CUDA 12.2 + 16GB 内存镜像 steps: - uses: actions/checkout@v4 with: fetch-depth: 0 # 必须获取完整历史，用于 blame 分析 - name: Install OCR run: npm install -g open-code-review@latest - name: Run Review run: | # 只扫变更文件，非全量 git diff --name-only ${{ github.event.pull_request.base.sha }} ${{ github.event.pull_request.head.sha }} | \ xargs -I {} ocr review --file {} env: OCR_MODEL_CACHE: /tmp/ocr-models # 挂载到 SSD

提示：自定义 Docker 镜像是唯一可靠方案。我们维护的ubuntu-22.04-large镜像已预装所有依赖，启动时间 <8s，比每次apt install快 12 倍。

5.5 模型幻觉：LLM 给出不存在的 API 建议

现象：DeepSeek-Coder 建议redisClient.DistributedLock()，但项目用的是github.com/go-redis/redis/v8，根本没有此方法。

防御机制（三层过滤）：

1. Schema 校验：OCR 启动时扫描go.mod，构建当前项目可用的 API 符号表；
2. 调用链验证：模型输出后，Executor 用go list -f '{{.Imports}}' ./...检查建议的包是否已导入；
3. 沙箱执行：对autofix命令，先在内存中模拟 patch，用go build -o /dev/null验证语法。

实操心得：永远不要信任 LLM 的“代码生成”，只信任它的“问题发现”。我们团队规定：所有