企业官网建设流程全解析

GGA（gentleman-guardian-angel）是一个用 AI 强制落地编码规范的 Git pre-commit 代码审查工具，它原生支持Ollama和LM Studio两种本地模型运行环境——无需申请任何 API Key，代码全程不离开你的电脑，实现真正的零成本、全隐私 AI 代码审查。

本文带你完成「安装 GGA → 拉取本地模型 → 一行配置接入 → 提交即审查」的完整流程。

为什么选择本地 AI 做代码审查？

云端 AI 审查好用，但绕不开三个问题：API 费用、密钥管理、代码外发风险。而本地方案一次性解决：

GGA 的工作流程非常简单：每次git commit时，pre-commit hook 自动把已暂存文件和你的编码规范（AGENTS.md）打包发给 AI 审查，返回STATUS: PASSED就放行提交，返回STATUS: FAILED则阻断并列出违规细节。

📖 完整流程图与真实输出示例见 docs/examples.md

一键安装 GGA

GGA 核心是纯 Bash 实现，跨平台支持 macOS、Linux 和 Windows（Git Bash/WSL）。

# 方式一：Homebrew（macOS 推荐） brew install gentleman-programming/tap/gga # 方式二：手动安装 git clone https://gitcode.com/gh_mirrors/ge/gentleman-guardian-angel cd gentleman-guardian-angel ./install.sh

安装完成后，在你的项目根目录初始化：

cd ~/your-project gga init # 生成 .gga 配置文件 gga install # 安装 pre-commit hook

方式一：Ollama 本地代码审查

拉取一个擅长代码的模型

Ollama 是本地运行大模型最省心的方案，一条命令即可下载模型：

ollama pull qwen2.5-coder # 代码能力强的开源模型 # 可选：ollama pull llama3.2 / codellama / deepseek-coder

配置 PROVIDER 接入 GGA

编辑项目根目录的.gga文件（格式说明见 docs/providers.md）：

# .gga PROVIDER="ollama:qwen2.5-coder" # 格式：ollama:<模型名>

⚠️ 注意 Ollama 必须指定模型名（ollama:xxx），否则会报错提示缺少模型。

进阶：指向远程 Ollama 节点

Ollama 服务不跑在本机时（比如办公室有一台 GPU 工作站），用OLLAMA_HOST指定地址：

OLLAMA_HOST="http://192.168.1.100:11434" PROVIDER="ollama:llama3.2"

Ollama 的一个小限制

Ollama 是「纯 LLM」，没有文件读取工具，无法按引用去读多个文件。如果你的规则写在多个文件里，请合并成单个AGENTS.md再交给 Ollama 审查（详见 docs/rules-file.md）。

背后发生了什么？

GGA 调用 Ollama 时会优先走 REST API（/api/generate，输出干净、支持远程节点），在没有python3/curl的环境则自动降级为ollama runCLI 并剥离 ANSI 转义码，保证STATUS行能被正确解析——实现逻辑见 lib/providers.sh，集成测试覆盖见 spec/integration/ollama_spec.sh。

方式二：LM Studio 本地代码审查

LM Studio 提供图形界面下载模型，并通过内置的 OpenAI 兼容 API 服务。配置分四步：

1. 打开 LM Studio，下载一个模型（如llama-3.2-3b-instruct）
2. 在Local Server页签启动本地服务器（默认端口1234）
3. 测试连接：

curl http://localhost:1234/v1/models

4. 配置.gga：

# .gga PROVIDER="lmstudio" # 使用当前已加载的模型 # 或指定具体模型： PROVIDER="lmstudio:llama-3.2-3b-instruct"

自定义 LM Studio 地址

如果服务端口不是默认的 1234，用LMSTUDIO_HOST覆盖（需带/v1路径）：

LMSTUDIO_HOST="http://localhost:8080/v1" PROVIDER="lmstudio"

写好 AGENTS.md，审查才有章法

GGA 审查的依据是规则文件（默认AGENTS.md，可用RULES_FILE改名）。写给本地模型看时，规则要短、具体、可判定：

# Code Review Rules ## Python - 禁止使用 bare except（必须捕获具体异常类型） - 函数必须有类型注解 - 禁止 print 调试代码进入提交

其他常用配置项（完整参考 docs/configuration.md）：

本地模型常见问题速查

结合 docs/troubleshooting.md 整理本地场景的高频问题：

• Failed to connect to LM Studio→ 确认 LM Studio 正在运行且 Local Server 已启动；核对LMSTUDIO_HOST端口，用curl http://localhost:1234/v1/models验证。
• Ollama not found→ 确认which ollama能找到命令，模型已用ollama pull拉取。
• 审查超时（退出码 124）→ 本地模型推理较慢，把TIMEOUT调大到600，或用EXCLUDE_PATTERNS排除大文件、生成文件。
• STATUS解析失败（Ambiguous response）→ 换指令跟随更强的模型；小模型对固定输出格式的执行不稳定，可适当放宽STRICT_MODE="false"观察输出。

💡 小提示：GGA 内置智能缓存，已 PASSED 且未改动的文件会自动跳过审查（机制说明见 docs/caching.md），本地模型下这个特性能显著减少重复推理时间。

总结

至此，你已拥有一套零 API Key、零外发、零边际成本的 AI 代码审查流水线。更多 Provider 对比见 docs/providers.md，全部命令参考见 docs/commands.md。