跳到主内容
code reviewPR

PR Review Prompt:让 AI 做第一道筛

把整个 PR diff 丢给 AI,让它先给出结构化 review,人脑只看高价值部分。适合中大型团队的 AI 辅助代码审查流程,大幅提升 review 效率。

用法

git fetch origin main
git diff main...HEAD > /tmp/pr.diff

把 diff 粘给 AI 配下面 prompt:

Prompt

请审视下面的 PR diff,按以下结构输出 review:

## 1. 改动分类

输出一张表,每行一个改动单元:

| 文件 | 类型 | 摘要 |
|---|---|---|
| ... | feat / fix / refactor / test / docs / config | 1 句话 |

## 2. 高风险点

逐条列出,每条带文件:行号:

- ⚠️ 业务逻辑改动但**没有对应测试**
- ⚠️ 看起来是重构但行为可能被**无意改变**
- 🛑 **secret / API key** 出现在 diff 里
- 🛑 **不可逆操作**(DB migration / 删字段 / 二进制格式变更)
- ⚠️ **null deref / 类型转换**等运行时风险

如果某类没问题,明确写"无",不要省略。

## 3. 一致性扫描

- PR 改了某函数签名 → 所有调用方都改了吗?
- PR 加了新 pattern → 类似地方需要同步吗?
- PR 改了某常量 → 相关常量同步了吗?

逐条列出"可能漏改"的地方,给 文件:行号。

## 4. 测试评估

- 新增/修改的测试**真的覆盖了业务逻辑改动**吗?还是只 happy path?
- 断言够强吗?有"修测试让它通过"的痕迹吗?
- 哪些 edge case 没被测到?

## 5. 回滚成本

- 单纯 git revert 能回滚吗?
- 有不可逆改动吗?
- 客户端/服务端解耦了吗?

## 6. 最终建议

输出三段:
- ✅ 没问题的部分(简短)
- ⚠️ 需要 author 回应的问题(每条带 文件:行号)
- 🛑 阻塞合并的问题(如有)

**不要客套话,不要"LGTM"。具体、有依据、可行动。**

PR diff:
```
<paste here>
```

为什么有效

  • 结构化输出强制 AI 走完所有维度,不能光说"看起来还行"
  • "如果没问题明确写'无'"防止 AI 偷懒省略
  • "一致性扫描"是 AI 的杀手锏——人类 review 容易盯着 diff 看,AI 会去看 diff 之外
  • "回滚成本"维度对 PR author 极有价值

配套工作流

完整流程见 AI 做 PR review 工作流

进阶(自动化)

把「第一道筛」接到 PR 事件上,人工只处理它标红的部分:

# 生成 diff 后交给 AI 做首轮筛查
BASE=${GITHUB_BASE_REF:-main}
git diff "origin/$BASE...HEAD" > /tmp/pr.diff
ai-review --diff /tmp/pr.diff --mode first-pass --output-format markdown > /tmp/review.md

建议只让它在 PR 描述里追加结论,不要自动 request changes——误报会迅速消耗团队对这条流水线的信任。

反例(AI 默认会写的烂版本)

默认输出:逐行复述 diff 在干什么(「这里改了变量名」「这里加了一个函数」),没有风险判断。

加了 prompt 之后:先给「改动分类:行为变更 + 依赖升级」,再点名「高风险点:src/payment/* 且无对应测试」,最后给「回滚成本:需数据迁移,不可直接 revert」。

延伸阅读

相关对比

Aider vs Claude Code:终端 AI 编程双雄怎么选

Aider vs Claude Code 2026 选型对比:开源 BYOK 多模型 vs Anthropic 订阅长任务 Agent,从编程能力、多模型支持、价格、Git 集成、国内可用性和适合人群判断,帮你选对终端 AI 编程工具。

Augment Code vs Cursor:企业 AI 编程怎么选?Context Engine vs AI IDE 对比

Augment Code vs Cursor 2026 选型对比:Context Engine 全仓索引的企业 AI 平台 vs SpaceX 收购的 AI IDE 天花板,从形态、Context 覆盖、长任务、价格、合规、中文支持和适合人群 8 个维度判断,帮你选对企业 AI 编程工具。

Claude Code vs Cline:CLI AI Agent 怎么选?2026 对比

Claude Code vs Cline 2026 选型对比:Anthropic 官方闭源 CLI Agent vs Apache-2.0 开源 VS Code 插件。从模型绑定、工作流、MCP 支持、价格、隐私和适合人群 6 个维度帮你选对 CLI AI 编程工具。

Claude Code vs Codex CLI:终端 AI Agent 双雄对比

Claude Code vs Codex CLI 2026 选型对比:Anthropic 与 OpenAI 两大官方终端 Agent 的模型、长任务、MCP 生态、Windows 支持、订阅打包价格和国内可用性全方位对比,帮你判断该用哪个终端 AI Agent,以及能不能两个一起用。

Claude Code vs Crush:Anthropic 官方 vs 多模型 TUI(2026 实测选型)

Claude Code vs Crush 2026 选型对比:Anthropic 官方 CLI Agent(Claude only + 长任务最稳 + MCP 一等公民)vs Charmbracelet 开源 TUI Agent(多模型 mid-session 切换 + LSP + FSL-1.1-MIT)。从模型、长任务、生态、价格、国内可用性帮你选对终端 AI 编程工具。

Claude Code vs Gemini CLI:终端 AI Agent 怎么选?(2026 选型指南)

Claude Code 和 Gemini CLI 都是终端原生的 AI 编码 Agent。一句话结论 + 决策树 + 价格 + 国内可用性对比:长任务与 CLAUDE.md 生态选前者,免费额度与接入门槛选后者。

相关评测