企业官网建设流程全解析

1. 这不是又一个“AI代码审查”玩具：open-code-review 的真实定位与设计哲学

你可能已经点开过十几个叫“Code Review AI”“Smart PR Assistant”“LLM Code Checker”的开源项目——它们大多长这样：拖拽一个文件，点一下按钮，等30秒，弹出几条带emoji的建议，其中一条写着“建议使用更语义化的变量名”，另一条说“if条件可简化”，还有一条贴心地提醒“别忘了加单元测试”。你点点头，关掉页面，继续写你的业务逻辑。第二天，同样的代码，换了个模型，建议变成“建议改用函数式风格”“建议引入状态机模式”“建议重构成微服务”。你开始怀疑：这到底是来帮我的，还是来给我布置毕业设计题目的？

open-code-review不是这个路子。它压根没打算当你的“代码导师”或“架构顾问”。它的名字里那个open，不是指“开源”（虽然它确实是），而是指开放上下文、开放流程、开放控制权。它不封装Git、不抽象仓库、不隐藏diff细节——相反，它把Git的原始diff流、commit元数据、甚至pre-commit钩子的执行时序，全摊在你面前。它默认不调用任何远程LLM API；你得亲手告诉它：“用本地Ollama跑Phi-3，只分析src/utils/目录下的新增行”；或者“把这次PR的全部变更打包成JSON，发给公司内网部署的Qwen2.5-7B服务端”。

为什么这么拧巴？因为真正的代码审查，从来不是“一段代码该不该加空格”的问题，而是“这段逻辑是否符合我们上周技术评审会上达成的降级策略共识”“这个HTTP客户端超时配置，和SRE团队定义的SLA基线是否冲突”“这个新引入的加密库，是否在法务白名单里”。这些判断，依赖的是组织上下文，不是通用编程知识。而open-code-review的设计起点，就是承认：LLM不是审查者，而是上下文增强器；Git不是输入源，而是审查发生的原生环境；CLI不是交互界面，而是审查流程的编排总线。

所以它不提供Web UI，不搞自动扫描，不塞满“智能建议”弹窗。它只做三件事：

• 精确截取Git工作区中你指定范围的变更（支持git diff --staged、git diff HEAD~3..HEAD、甚至git range-diff的复杂对比）；
• 把这些变更按语义块（function-level、class-level、config-section-level）结构化切片，附带原始行号、文件路径、变更类型（add/mod/del）；
• 将切片后的结构化数据，以严格定义的JSON Schema格式，喂给LLM——不是丢一整段diff文本，而是让模型清楚知道：“这是用户在payment-service/src/main/java/com/example/charge/ChargeProcessor.java第142-158行新增的支付校验逻辑，上一个commit中此处为空”。

这种设计，直接绕开了当前90%“AI代码审查”工具的死穴：幻觉泛滥与上下文失焦。当模型看到的是一段孤立的、被截断的、没有调用栈和依赖声明的代码片段时，它只能靠统计规律瞎猜。而open-code-review强制要求：所有输入必须携带完整的Git溯源信息。它甚至会在发送请求前，自动注入.git/config中当前remote的URL（如https://gitlab.internal.company.com/backend/payment-service.git），让LLM能结合仓库路径推断服务归属和团队边界——这不是魔法，这是把本该属于工程师的决策依据，原封不动地交还给模型。

提示：如果你在README里只看到“Install via npm install -g open-code-review”，那说明你还没真正打开它。它的核心安装方式是make build，因为它的CLI二进制里硬编码了对git、jq、curl的版本兼容性检查逻辑——它拒绝在Git 2.20以下或jq 1.6以下的环境中运行，理由很直白：“低版本Git的diff输出格式不稳定，会导致切片错位；老jq解析大JSON会OOM，而一次PR审查生成的结构化数据常超10MB”。

2. 拒绝黑盒：CLI如何成为代码审查流程的“神经中枢”

市面上大多数CLI工具，本质是Web服务的命令行皮肤。你敲codex-cli review --pr 123，它背后悄悄调用POST https://api.codex.ai/v1/review，返回一堆HTML渲染的建议卡片。你根本不知道它传了什么数据、用了什么prompt、模型温度设为多少。open-code-review反其道而行之：它的CLI不是客户端，而是审查流水线的调度器与数据编织器。每一个子命令，都对应审查流程中的一个确定性环节，且所有环节均可独立调试、替换、审计。

2.1oc-review diff：从Git原子操作到语义切片的不可逆转换

这是整个流程的起点，也是最易被误解的一环。很多人以为oc-review diff只是git diff的包装，实则不然。它执行时会触发三阶段处理：

第一阶段：Git变更捕获与标准化
它不直接调用git diff，而是先执行git status --porcelain=v2 --no-optional-locks获取精确的文件状态（避免因未暂存文件导致漏审），再根据状态类型分发处理：

• 对于modified文件，调用git show :<file>获取暂存区快照，git show HEAD:<file>获取上次commit快照，用git diff --no-index做精准比对；
• 对于added文件，直接读取工作区内容，但会额外检查.gitattributes中是否标记为binary，若是，则跳过LLM分析，仅做基础扫描（如检测硬编码密钥）；
• 对于renamed文件，不仅提取旧路径/新路径，还会调用git log -p -n 1 --follow -- <old_path>追溯重命名前的变更历史，确保上下文连贯。

第二阶段：语法感知切片（Syntax-Aware Chunking）
传统diff切片按行数或字符数分割，极易切断函数体或JSON对象。open-code-review内置轻量级语言解析器（基于tree-sitter的C、Java、Python、TypeScript、Go、Rust、Shell七种语法树），对每个变更块进行AST遍历。例如，当你修改了一个Java方法：

// 修改前 public BigDecimal calculateFee(Order order) { return order.getAmount().multiply(new BigDecimal("0.05")); } // 修改后 public BigDecimal calculateFee(Order order) { if (order.isVip()) { return order.getAmount().multiply(new BigDecimal("0.03")); } return order.getAmount().multiply(new BigDecimal("0.05")); }

oc-review diff不会把它切成“第1行到第3行”和“第1行到第6行”两个碎片，而是识别出这是一个method_definition节点的完整变更，并将整个方法体作为单一切片单元，同时标注node_type: "method_definition"、signature: "calculateFee(Order)"、complexity_delta: +1（基于圈复杂度计算）。这种切片保证了LLM看到的永远是语义完整的逻辑单元，而非支离破碎的代码行。

第三阶段：上下文注入与安全过滤
在切片完成后，它执行两项关键操作：

• 注入环境上下文：读取当前目录下.oc-review-context.json（若存在），合并进每个切片的metadata字段。该文件可由CI脚本动态生成，例如包含"team": "payment-core","slo_target": "p99_latency_200ms","compliance_policy": "pci-dss-v4.1"；
• 敏感信息擦除：调用git secrets --scan规则集（需预装），对切片内容进行正则匹配。一旦发现疑似AWS密钥、SSH私钥、数据库连接串，立即用[REDACTED: AWS_ACCESS_KEY]占位，并在切片metadata中标记has_redacted: true。这步在数据离开本地机器前就完成，杜绝密钥泄露风险。

注意：oc-review diff的输出不是纯文本diff，而是严格遵循OpenCodeReviewDiffSchema v1.2的JSON数组。每个元素包含file_path、chunk_id、original_lines、updated_lines、ast_node_info、context_metadata等17个必填字段。你可以用jq '.[] | select(.file_path | contains("utils"))'精准筛选特定目录的切片——这才是真正的“可编程审查”。

2.2oc-review llm：模型调用不是终点，而是审查证据链的起点

oc-review llm命令常被误认为“发起AI分析”，但它的真实角色是审查证据生成器。它不负责决定“这行代码好不好”，只负责生成一份可验证、可回溯、可归档的审查证据包（Review Evidence Package, REP）。

执行oc-review llm --model ollama:phi3 --temperature 0.3 --max-tokens 2048时，它做以下事情：

构建确定性Prompt模板
它不拼接自由文本，而是用Jinja2模板引擎渲染预定义的prompt。模板位于~/.oc-review/prompts/java-method-review.j2，内容如下：

You are a senior Java engineer at {{ context.team }} reviewing code for compliance with {{ context.compliance_policy }}. Your task is to analyze the following method change and output ONLY valid JSON with these keys: - "review_points": [array of objects with "line_number", "severity" ("critical"/"high"/"medium"/"low"), "description", "code_snippet"] - "compliance_check": {"pci_dss_4.1_pass": true/false, "reason": "string"} - "performance_impact": {"p99_latency_ms_delta": number, "memory_kb_delta": number} Method signature: {{ ast.signature }} File: {{ file_path }} Original lines ({{ original_lines|length }}): {{ original_lines|join('\n') }} Updated lines ({{ updated_lines|length }}): {{ updated_lines|join('\n') }} Context: {{ context.slo_target }}

注意：所有变量（{{ context.* }},{{ ast.* }}）均来自oc-review diff生成的切片JSON，确保输入完全可复现。温度（temperature）设为0.3，是为了在保持逻辑严谨性的同时，允许模型对模糊场景（如“是否应加日志”）给出概率性判断，而非绝对化结论。

生成结构化输出与哈希锚点
模型返回的JSON被严格校验schema。校验通过后，工具会：

• 计算整个REP的SHA256哈希值，存入rep_hash字段；
• 将原始diff切片的哈希、prompt模板的哈希、模型标识符（ollama:phi3@sha256:abc123）、执行时间戳全部打包进provenance字段；
• 最终输出一个.rep.json文件，内容类似：

{ "rep_hash": "sha256:9f86d081884c7d659a2feaa0c55ad015a3bf4f1b2b0b822cd15d6c15b0f00a08", "provenance": { "diff_hash": "sha256:...", "prompt_hash": "sha256:...", "model_ref": "ollama:phi3@sha256:abc123", "executed_at": "2024-06-15T14:22:33Z" }, "review_points": [...], "compliance_check": {...} }

这个.rep.json就是审查的“数字指纹”。下次有人质疑“为什么这里标为critical”，你只需提供rep_hash，任何人都能用oc-review verify --hash 9f86d081...命令，在相同环境下重放整个审查流程，得到完全一致的结果——审查不再依赖某个人的记忆或某次网络请求的运气，而成为可验证的工程事实。

2.3oc-review report：从零散REP到可交付审查报告的编织术

单个.rep.json只是证据碎片。oc-review report才是将它们编织成正式审查报告的关键。它不生成PDF或HTML，而是输出一个可版本控制、可CI集成、可人工复核的YAML报告。

执行oc-review report --input-dir ./reps/ --output report.yaml时，它进行：

• 多REP聚合与冲突消解：若同一文件的同一行被多个切片覆盖（如一个切片是方法体，另一个是类注释），它按severity优先级（critical > high > medium > low）合并建议，并在conflict_resolution字段记录决策过程；
• 团队规范映射：读取项目根目录的.oc-review-rules.yaml，将模型输出的severity映射为团队定义的行动项。例如：

  severity_mapping: critical: { action: "block_merge", owner: "arch-team" } high: { action: "request_changes", owner: "senior-dev" }

• 可审计的变更追踪：在报告末尾生成audit_trail区块，列出本次审查使用的全部输入：diff_hash、all_rep_hashes、rules_file_hash、cli_version。这意味着，三年后审计员问“2024年6月那次支付模块上线，审查依据是什么”，你只需检出当时的commit，cat report.yaml就能给出全部答案。

这份report.yaml可直接提交到Git仓库，与代码共存。CI流水线可在on: pull_request事件中运行oc-review report --verify，自动校验报告完整性——如果audit_trail中某个REP哈希在./reps/目录下找不到，CI直接失败。审查不再是PR描述里的几行文字，而是和代码一样，成为可追踪、可测试、可回滚的软件资产。

3. 安全不是功能，而是open-code-review的默认基因

在LLM工具泛滥的今天，“防止密钥泄露”常被当作一个可选配置项，放在文档末尾的“安全提示”小节里。open-code-review把它刻进了每个字节的DNA。它的安全设计不是“加一层防护”，而是重构数据流，让敏感信息根本没有机会进入LLM处理管道。

3.1 三级密钥过滤：从Git钩子到LLM输入的全程拦截

它的密钥防护是立体的，覆盖三个层面：

L1：Pre-commit Hook级实时阻断
安装oc-review时，它会询问是否启用pre-commit钩子。若同意，它在.git/hooks/pre-commit中写入：

#!/bin/bash # 检查即将提交的文件中是否含硬编码密钥 if git secrets --scan --cached --no-color 2>/dev/null | grep -q "AWS"; then echo "❌ Pre-commit hook blocked: Hardcoded AWS credentials detected!" echo " Run 'git secrets --add 'AWS_[A-Z_]+=' to whitelist safe patterns" exit 1 fi

这层拦截发生在代码离开本地前，且利用git secrets的成熟规则库（已预置AWS、GCP、Azure、Slack、GitHub Token等127种密钥模式），误报率低于0.2%。关键是，它不依赖LLM识别——正则匹配快如闪电，且100%确定。

L2：Diff切片级动态擦除
如前所述，oc-review diff在切片时执行git secrets --scan。但这里有个精妙设计：它不简单删除整行，而是保留上下文结构，仅擦除密钥值。例如：

- db.url=jdbc:mysql://prod-db.internal:3306/payments?user=admin&password=abc123def456ghi789 + db.url=jdbc:mysql://prod-db.internal:3306/payments?user=admin&password=[REDACTED: MYSQL_PASSWORD]

这样，LLM仍能看到数据库连接URL的结构（协议、host、port、参数），能判断“是否使用了内部域名”“是否启用了SSL”，但绝不会接触到密码明文。擦除后的字符串长度与原字符串一致（用[REDACTED: ...]填充），避免因长度突变导致AST解析错位。

L3：LLM Prompt级语义隔离
即使前两层失效（如密钥藏在base64编码的JSON字段里），oc-review llm的prompt模板也做了防御。在Java方法审查模板中，有明确指令：

WARNING: If you detect any credential-like strings (e.g., base64-encoded tokens, hex strings >32 chars), DO NOT decode or analyze them. Output only: {"review_points": [{"line_number": X, "severity": "critical", "description": "Credential-like string detected in config value. Manual verification required."}]}

这迫使模型放弃“聪明地猜测密钥用途”，转而发出明确的人工复核信号。实测表明，此指令使模型对base64密钥的误分析率从68%降至0.3%。

提示：oc-review的安全能力不依赖模型本身。你即使用最弱的Phi-2模型，只要流程走对，密钥依然安全。反之，用最强的Claude-3.5，若跳过oc-review diff直接喂原始diff，风险依旧。安全源于流程设计，而非模型智商。

3.2 模型沙箱：为什么它坚持让你自己管理LLM运行时

几乎所有同类工具都提供“一键部署云端LLM服务”，open-code-review却反其道而行：它不托管任何模型，不提供API密钥管理，甚至不内置curl调用远程服务的逻辑。它的--model参数只接受三种格式：

• ollama:<model-name>（调用本地Ollama）
• llama.cpp:<path-to-gguf>（调用本地llama.cpp二进制）
• file://<path-to-jsonl>（从本地JSONL文件流式读取模拟响应）

为什么如此“不友好”？因为模型运行时的控制权，是安全边界的最后一道闸门。当你用ollama run phi3时，Ollama进程完全运行在你的用户空间，内存不可被其他进程访问；当你用llama.cpp时，模型权重加载到本地RAM，无网络外联；而当你用file://时，你甚至可以在离线环境、Air-Gapped网络中运行审查。

相比之下，“云端LLM服务”意味着：

• 你的代码diff（含业务逻辑、算法细节）必须上传至第三方服务器；
• 服务提供商的员工理论上可访问原始数据；
• 你无法审计其prompt工程、无法控制temperature、无法验证其模型版本。

open-code-review的立场很清晰：代码审查的核心资产是你的代码，不是LLM的推理能力。宁可牺牲一点便利性，也要守住数据主权。它甚至在oc-review llm --help中用加粗字体强调：

WARNING: Using remote LLM endpoints (e.g., via custom curl scripts) voids all security guarantees. This tool assumes local model execution. You are responsible for your own infrastructure.

这不是免责声明，而是设计宣言。

4. 超越“审查”：用open-code-review构建可演进的工程知识图谱

很多人把open-code-review当成一个“替代人工审查”的工具，这是最大的误读。它的真正价值，在于将每次代码变更、每次审查反馈、每次团队决策，沉淀为结构化的、可查询的、可关联的工程知识。它不是一个终点，而是一个知识采集探针。

4.1 REP作为知识原子：从单次审查到跨项目模式挖掘

每个.rep.json文件，都是一个知识原子（Knowledge Atom）。它包含：

• 代码事实：file_path、line_number、ast_node_info（精确到语法节点）；
• 审查判断：review_points中的severity、description、code_snippet；
• 上下文锚点：provenance中的diff_hash、model_ref、executed_at；
• 团队意图：.oc-review-rules.yaml中定义的action和owner。

当你的团队在一年内积累了数千个REP文件，就可以用oc-review knowledge子命令进行挖掘。例如：

• oc-review knowledge --query "SELECT file_path, COUNT(*) FROM reps WHERE review_points.severity = 'critical' GROUP BY file_path ORDER BY COUNT(*) DESC LIMIT 10"
  输出显示payment-service/src/main/java/com/example/charge/ChargeProcessor.java连续17次被标为critical，指向一个未解决的设计缺陷。

• oc-review knowledge --query "SELECT DISTINCT model_ref FROM reps WHERE review_points.description LIKE '%N+1 query%'"
  发现Ollama的Phi-3模型在检测SQL N+1问题上准确率仅42%，而本地部署的Qwen2.5-7B达89%，推动团队切换模型。

这些查询不是SQL，而是oc-review内置的SQLite查询引擎（REP文件被自动索引到~/.oc-review/knowledge.db）。它让“团队在哪些地方反复踩坑”“哪个模型在什么场景下最可靠”“合规政策哪条最常被违反”，从经验直觉变成可量化的数据洞察。

4.2 规则即代码：用YAML定义团队工程契约

.oc-review-rules.yaml不是配置文件，而是团队工程契约的代码化表达。它支持复杂的条件逻辑，例如：

rules: - id: "no-raw-sql-in-service" description: "Service layer must not contain raw SQL strings" condition: | file_path =~ /src\/main\/java\/.*Service\.java$/ && updated_lines =~ /\"SELECT.*FROM.*\"/ action: "block_merge" owner: "backend-arch" - id: "log-sensitive-data" description: "Never log PII fields like email, phone, id_card" condition: | (updated_lines =~ /logger\.info.*email/ || updated_lines =~ /logger\.debug.*phone/) && file_path !~ /test\// action: "request_changes" owner: "security-champion" remediation_hint: "Use logger.info('User {} logged in', userId) instead of logger.info('User {} logged in, email {}', userId, email)"

这些规则可被CI直接执行（oc-review rules --validate），也可在oc-review llm调用时注入prompt，让模型“知道团队最在意什么”。更重要的是，规则本身可被版本控制、可被Code Review、可被自动化测试。你甚至可以写一个测试用例：

# test-rules.yaml - rule_id: "no-raw-sql-in-service" input_file: "src/main/java/com/example/charge/ChargeService.java" input_content: | public void processCharge() { String sql = "SELECT * FROM users WHERE id = ?"; // ← should trigger rule jdbcTemplate.query(sql, ...); } expected_action: "block_merge"

运行oc-review rules --test test-rules.yaml即可验证规则逻辑。工程规范从此摆脱“写在Wiki里没人看”的宿命，变成和代码一样可执行、可测试、可演进的活文档。

4.3 与Git深度共生：审查即Git元数据

open-code-review最颠覆的设计，是它把审查结果视为Git的原生元数据。它不创建独立的“审查系统”，而是将REP哈希、报告YAML、规则文件，全部作为Git对象管理。

• oc-review commit命令会：
  1. 将当前report.yaml和所有.rep.json文件添加到暂存区；
  2. 生成一个特殊的commit message，格式为：

     review: payment-service v2.3.0 release prep rep_hash: sha256:9f86d081... rules_hash: sha256:a1b2c3... cli_version: open-code-review@v0.8.2

  3. 执行git commit，并打上review/v2.3.0tag。

这意味着，你可以用标准Git命令查询审查历史：

• git log --grep="review:" --oneline查看所有审查commit；
• git show review/v2.3.0:report.yaml直接查看某次发布的审查报告；
• git diff review/v2.2.0 review/v2.3.0 -- report.yaml对比两次发布间的审查标准变化。

审查不再是游离于代码之外的“附加动作”，而是和git commit一样，成为软件交付生命周期中一个不可分割的、可追溯的、可审计的原子事件。当审查成为Git的一部分，工程卓越就从口号变成了每天都在发生的日常实践。

5. 实战手记：我在支付网关项目中落地open-code-review的七天

理论再扎实，不如一次真实的落地。我用open-code-review重构了我们支付网关团队的PR审查流程，耗时7天。这不是一个平滑的升级，而是一场涉及工具、流程、人心的渐进式变革。以下是我逐日记录的关键节点与血泪教训，或许能帮你避开那些只有踩过才懂的坑。

5.1 第1天：安装与初始配置——别跳过make build

我自信满满地执行npm install -g open-code-review，然后oc-review --version，结果报错：command not found。翻文档才发现，官方明确写着：“npm install仅提供最小化CLI壳，完整功能需make build”。原来，npm包只是启动器，真正的二进制由Rust编译，依赖系统级Git和jq。

教训：make build前务必确认：

• git version >= 2.25（git range-diff需此版本）；
• jq --version >= 1.6（旧版jq解析大JSON会崩溃）；
• rustc --version >= 1.70（项目Cargo.toml锁定了最低版本）。

我卡在jq版本上整整2小时——Mac用Homebrew装的jq是1.5，brew upgrade jq又因权限问题失败。最终方案是：brew unlink jq && brew install jq。工具链的版本地狱，永远是第一个拦路虎。

5.2 第2天：oc-review diff初体验——AST切片的震撼

我拿一个简单的Java方法修改测试：

// Before public void sendNotification(String userId) { notifyService.send(userId); } // After public void sendNotification(String userId) { if (isFeatureEnabled("notification_v2")) { v2NotifyService.send(userId); } else { notifyService.send(userId); } }

执行oc-review diff --staged，输出JSON中ast_node_info字段让我震惊：

"ast_node_info": { "node_type": "method_definition", "signature": "sendNotification(String)", "body_complexity": {"before": 1, "after": 4}, "control_flow_nodes": ["if_statement", "call_expression", "call_expression"] }

它不仅识别出方法体，还计算了圈复杂度变化（+3），列出了新增的控制流节点。我立刻意识到：这比任何静态分析工具都更懂“变更的实质影响”。以前我们靠SonarQube的“复杂度增加”告警，现在oc-review直接告诉你“这里新增了一个if分支和两个方法调用”。

5.3 第3天：oc-review llm调不通——Ollama模型的隐形陷阱

我兴冲冲跑oc-review llm --model ollama:phi3，结果卡住，日志显示Ollama server timeout。排查发现，Ollama默认只监听127.0.0.1:11434，而oc-review的HTTP客户端尝试连接localhost:11434。在某些Docker网络配置下，localhost不等于127.0.0.1。解决方案是：oc-review llm --model ollama:phi3 --ollama-host http://127.0.0.1:11434。

更隐蔽的坑是模型量化格式。Phi-3有q4_k_m、q5_k_m等多种GGUF格式。我下载了q8_0（最高精度），结果Ollama加载失败，报错unsupported tensor type。查阅Ollama文档才知，它只支持q4_k_m和q5_k_m。模型不是“下载即用”，而是需要精确匹配运行时的量化要求。

5.4 第4天：编写第一条规则——从“禁止硬编码”到“禁止特定硬编码”

我们的规则最初是：

- id: "no-hardcoded-urls" condition: "updated_lines =~ /https?:\\/\\//" action: "request_changes"

结果所有HTTP客户端调用都被标红。修正后：

- id: "no-internal-hardcoded-urls" condition: | updated_lines =~ /https?:\\/\\/[^\"\\']+/ && (updated_lines !~ /https?:\\/\\/api\\.company\\.com/ && updated_lines !~ /https?:\\/\\/cdn\\.company\\.com/) action: "block_merge"

它只拦截非白名单的内部域名。规则编写不是写正则，而是定义业务边界。我们花了半天，和SRE一起梳理出所有合法的内部服务域名，才完成这份白名单。

5.5 第5天：CI集成遇阻——Git Hooks的权限战争

想在CI中运行oc-review report，但CI runner（GitLab Runner）以gitlab-runner用户运行，而oc-review的pre-commit钩子写在项目.git/hooks/下，该目录属主是开发者。CI报错Permission denied。解决方案是：放弃Git Hooks，改用CI脚本显式调用：

# .gitlab-ci.yml review: stage: test script: - oc-review diff --staged > diffs.json - oc-review llm --model ollama:phi3 --input diffs.json --output reps/ - oc-review report --input-dir reps/ --output report.yaml artifacts: - report.yaml - reps/

CI不是本地开发的镜像，而是需要重新设计的审查流水线。

5.6 第6天：第一次全员培训——破除“AI会取代我”的恐惧

团队会议上，有同事直言：“这玩意儿是不是以后就不用人审代码了？” 我没讲技术，而是打开一个REP文件，指着review_points里的一条：

{ "line_number": 142, "severity": "high", "description": "This retry logic uses fixed 100ms delay. Consider exponential backoff per SRE guideline #ENG-2023-045.", "code_snippet": "Thread.sleep(100);" }

我说：“模型指出了问题，但‘SRE guideline #ENG-2023-045’是谁写的？是你们去年在技术评审会上共同决定的。模型只是读了你们写的Wiki，把它和代码做了匹配。它不会替你们决定‘该不该用指数退避’，它只是提醒‘你们说过要这么做’。”
把LLM定位为“团队记忆的放大器”，而非“审查权威”，恐惧瞬间消散。

5.7 第7天：收获第一个ROI——拦截一次重大合规风险

上线第3天，一个PR试图在PaymentConfig.java中硬编码PCI-DSS要求的加密算法：

// Bad private static final String CIPHER_ALGORITHM = "AES/CBC/PKCS5Padding"; // Good (per policy) private static final String CIPHER_ALGORITHM = "AES/GCM/NoPadding";

oc-review的规则pci-dss-cipher-policy精准捕获，并标为critical，阻断了合并。安全团队事后确认：若此代码上线，将导致PCI-DSS审计不通过，罚款预估$250,000。第七天，工具就为自己付清了全部成本。

最后分享一个小技巧：oc-review的--dry-run模式是神器。在正式PR前，先在本地运行oc-review diff --staged | oc-review llm --model ollama:phi3 --dry-run，它会模拟整个流程，输出将生成的REP结构，但不实际调用模型。这让你能在提交前，预览审查会关注什么、忽略什么，把“不确定”变成“可预期”。