告别人工 Code Review？用 JiuwenClaw 构建自动化审查流水线

第一章｜项目背景与框架介绍

1.1 项目背景与痛点

代码审查（Code Review）是保障代码质量的基本手段。但实际工作中，Reviewer 花在语法错误、风格问题、安全隐患上的时间远多于有价值的逻辑讨论。

主要有三个问题：

  1. 重复劳动：语法错误、格式问题、基础安全问题，每次都要人工检查
  2. 工具分散：Lint 工具、安全扫描、复杂度分析各跑各的，结果难以整合
  3. 缺乏标准：代码质量没有统一评分，问题严重程度全凭感觉

本文介绍一个基于 JiuwenClaw 构建的代码审查助手，整合 Ruff、Radon、Bandit 三个工具，自动生成质量评分和改进建议，支持飞书推送和本地报告。

主要内容：多层次代码分析架构、综合评分引擎、报告生成器、多代码来源支持、完整实现流程

1.2 JiuwenClaw 框架介绍

openJiuwen 是一个开源的 AI Agent 开发组织，JiuwenClaw 是其核心开发框架。本文的代码审查助手基于 JiuwenClaw 的技能系统构建。

JiuwenClaw 技能系统的特点：

能力 说明
模块化技能 每个 Skill 可包含多个 Python 模块，便于分层设计
工具集成 声明 allowed_tools 获取系统工具权限，执行外部命令
文件操作 支持读写文件，便于扫描代码和生成报告
多渠道推送 支持飞书等渠道推送审查报告

代码审查助手采用分层设计：代码采集层（LocalCollector、AtomGitClient）、分析引擎层（Ruff、Radon、Bandit、ScoreCalculator）、报告生成层（ReportGenerator、FeishuPublisher）。各层职责清晰，易于扩展和维护。

1.3 项目环境配置

实际运行环境
项目 配置值
项目路径 D:\Download\jiuwenclaw
操作系统 Windows 10
Python 3.11+
模型服务 智谱AI (GLM-4.7)
代码分析工具
工具 版本 功能 语言
Ruff 0.4.0+ Python Linting（替代 Pylint/Flake8） Python
Radon 6.0.0+ 圈复杂度分析 Python
Bandit 1.7.0+ 安全漏洞扫描 Python
ESLint 9.0+ 代码质量检查 JavaScript/TypeScript
Checkstyle 10.12+ 代码风格检查 Java
golangci-lint latest 综合代码检查 Go
Clippy latest Lint 检查 Rust
核心文件位置
D:\Download\jiuwenclaw\
├── .env                              # 环境变量配置
├── workspace/
│   └── agent/
│       ├── reports/code-review/      # 审查报告输出目录
│       └── skills/code-review/       # 技能模块
│           ├── SKILL.md              # 技能定义 v1.1.0
│           ├── config.py             # 配置管理
│           ├── run_review.py         # 入口脚本
│           ├── models/               # 数据模型层
│           ├── collectors/           # 代码采集层
│           ├── analyzers/            # 分析引擎层
│           └── generators/           # 报告生成层

第二章｜技术方案

2.1 分层架构设计

代码审查助手采用三层架构：代码采集层、分析引擎层、报告生成层。

在这里插入图片描述

2.2 数据处理流程

在这里插入图片描述

2.3 核心组件概览

组件 类型 职责 所在模块
LocalCollector Collector 本地代码文件采集 collectors/local_collector.py
AtomGitClient Collector Git 仓库克隆与文件获取 collectors/atomgit_client.py
RuffAnalyzer Analyzer Lint 语法检查 analyzers/ruff_analyzer.py
RadonAnalyzer Analyzer 复杂度分析 analyzers/radon_analyzer.py
BanditAnalyzer Analyzer 安全漏洞扫描 analyzers/bandit_analyzer.py
ScoreCalculator Analyzer 综合评分计算 analyzers/score_calculator.py
ReportGenerator Generator Markdown 报告生成 generators/report_generator.py
FeishuPublisher Generator 飞书消息推送 generators/feishu_publisher.py

2.4 评分体系设计

多维度加权评分：

维度 权重 计算依据
代码质量 35% Lint 问题数量与严重程度
安全性 30% 安全漏洞数量与严重程度
复杂度 20% 圈复杂度与高复杂度函数数量
风格 15% 代码风格问题

综合评分等级：

等级 分数范围 状态
A 90-100 优秀
B 80-89 良好
C 70-79 合格
D 60-69 需改进
F <60 不通过

第三章｜核心实现

3.1 目录结构

workspace/agent/skills/code-review/
├── SKILL.md                    # 技能定义
├── config.py                   # 配置管理
├── run_review.py               # 入口脚本
│
├── models/                     # 数据模型层
│   ├── code_issue.py           # 代码问题模型
│   ├── code_metrics.py         # 代码指标模型
│   ├── review_result.py        # 审查结果模型
│   └── review_score.py         # 评分模型
│
├── collectors/                 # 代码采集层
│   ├── local_collector.py      # 本地文件采集
│   └── atomgit_client.py       # Git 仓库客户端
│
├── analyzers/                  # 分析引擎层
│   ├── ruff_analyzer.py        # Ruff Lint 分析
│   ├── radon_analyzer.py       # Radon 复杂度分析
│   ├── bandit_analyzer.py      # Bandit 安全分析
│   └── score_calculator.py     # 综合评分计算
│
└── generators/                 # 报告生成层
    ├── report_generator.py     # Markdown 报告生成
    └── feishu_publisher.py     # 飞书推送

3.2 SKILL.md 定义

---
name: code-review
version: 2.0.1
description: 多语言代码审查助手，支持 Python/JavaScript/Java/Go/Rust
allowed_tools: [mcp_exec_command, read_file, write_file]
---

# 多语言代码审查助手

审查 Git 仓库代码，检测安全漏洞、代码质量问题、复杂度问题。

3.3 使用方式

审查远程仓库：

python run_review.py clone --url <仓库地址>

审查本地代码：

python run_review.py local --path <路径>

3.4 评分等级

A B C D F
90-100 80-89 70-79 60-69 <60
优秀 良好 合格 需改进 不通过

3.5 核心代码实现

3.5.1 数据模型层

代码问题模型 (CodeIssue) - 表示单个代码问题，包含位置、严重程度、分类等信息：

# models/code_issue.py
from dataclasses import dataclass

@dataclass
class CodeIssue:
    file: str                    # 文件路径
    line: int                    # 行号
    severity: str                # 严重级别: error/warning/info
    category: str                # 类别: lint/complexity/security/style
    message: str                 # 问题描述
    rule: str                    # 规则ID (如 E501, B101)
    source: str                  # 来源工具 (ruff/bandit/radon)
    column: int = 0              # 列号
    suggestion: str = ""         # 修复建议

    def to_dict(self) -> dict:
        return {
            "file": self.file,
            "line": self.line,
            "severity": self.severity,
            "category": self.category,
            "message": self.message,
            "rule": self.rule,
            "source": self.source,
            "suggestion": self.suggestion,
        }

代码指标模型 (CodeMetrics) - 统计代码行数、函数数量、复杂度等指标：

# models/code_metrics.py
from dataclasses import dataclass

@dataclass
class CodeMetrics:
    total_lines: int = 0
    code_lines: int = 0
    comment_lines: int = 0
    blank_lines: int = 0
    avg_complexity: float = 0.0
    max_complexity: int = 0
    complexity_rank: str = "A"
    high_complexity_count: int = 0
    maintainability_index: float = 0.0
    function_count: int = 0
    class_count: int = 0
    file_count: int = 0

评分模型 (ReviewScore) - 多维度评分与等级计算：

# models/review_score.py
from dataclasses import dataclass

@dataclass
class ReviewScore:
    overall: float = 0.0          # 综合评分 (0-100)
    quality_score: float = 0.0    # 代码质量分
    security_score: float = 0.0   # 安全评分
    complexity_score: float = 0.0 # 复杂度评分
    style_score: float = 0.0      # 风格评分
    grade: str = "C"              # 等级: A/B/C/D/F
    passed: bool = False          # 是否通过审查

    @staticmethod
    def score_to_grade(score: float) -> str:
        if score >= 90: return "A"
        elif score >= 80: return "B"
        elif score >= 70: return "C"
        elif score >= 60: return "D"
        else: return "F"
3.5.2 分析引擎层

评分计算器 (ScoreCalculator) - 根据各类问题计算综合评分，采用多维度加权评分体系：

# analyzers/score_calculator.py
from dataclasses import dataclass

@dataclass
class ScoringWeights:
    quality: float = 0.35      # 代码质量权重
    security: float = 0.30     # 安全性权重
    complexity: float = 0.20   # 复杂度权重
    style: float = 0.15        # 风格权重

class ScoreCalculator:
    SEVERITY_PENALTY = {"error": 5.0, "warning": 2.0, "info": 0.5}

    def calculate(self, result: ReviewResult) -> ReviewScore:
        score = ReviewScore()
        score.quality_score = self._calc_quality_score(result.lint_issues)
        score.security_score = self._calc_security_score(result.security_issues)
        score.complexity_score = self._calc_complexity_score(result.metrics)
        score.style_score = self._calc_style_score(result.style_issues)

        # 加权计算总分
        score.overall = (
            score.quality_score * 0.35 +
            score.security_score * 0.30 +
            score.complexity_score * 0.20 +
            score.style_score * 0.15
        )

        score.grade = ReviewScore.score_to_grade(score.overall)
        score.passed = score.overall >= 60.0
        return score
3.5.3 代码采集层

本地采集器 (LocalCollector) - 扫描本地目录，收集代码文件：

# collectors/local_collector.py
from pathlib import Path
from typing import List

class LocalCollector:
    DEFAULT_EXCLUDES = [
        "**/test_*.py", "**/*_test.py", "**/tests/**",
        "**/venv/**", "**/.venv/**", "**/__pycache__/**",
        "**/node_modules/**", "**/.git/**",
    ]

    def __init__(self, path: str, max_file_size: int = 1024 * 1024):
        self.path = Path(path).resolve()
        self.max_file_size = max_file_size

    def collect(self) -> ScanResult:
        result = ScanResult()
        for py_file in self.path.rglob("*.py"):
            if self._should_exclude(py_file):
                continue
            size = py_file.stat().st_size
            if size <= self.max_file_size:
                result.files.append(FileInfo(str(py_file), ...))
        return result
3.5.4 报告生成层

报告生成器 (ReportGenerator) - 生成富文本格式的代码审查报告：

# generators/report_generator.py
from pathlib import Path

class ReportGenerator:
    def __init__(self, output_dir: str = "workspace/agent/reports/code-review"):
        self.output_dir = Path(output_dir)
        self.output_dir.mkdir(parents=True, exist_ok=True)

    def generate(self, result: "ReviewResult") -> str:
        lines = []
        icon = ":white_check_mark:" if result.score.passed else ":x:"
        lines.append(f"# {icon} 代码审查报告")
        
        # 基本信息、评分、问题统计、问题详情、改进建议...
        lines.append(f"| 综合评分 | **{result.score.overall:.1f}** ({result.score.grade}) |")
        
        return "
".join(lines)

    def save_report(self, content: str, result: "ReviewResult") -> str:
        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
        filename = f"review_{result.review_type}_{timestamp}.md"
        filepath = self.output_dir / filename
        filepath.write_text(content, encoding="utf-8")
        return str(filepath)

第四章｜配置与部署

4.1 环境变量配置

在项目根目录的 .env 文件中配置：

# 模型配置（智谱AI GLM-4.7）
MODEL_PROVIDER="OpenAI"
MODEL_NAME="glm-4.7"
API_BASE="https://open.bigmodel.cn/api/paas/v4"
API_KEY="your-api-key"

# 飞书推送
FEISHU_APP_ID=cli_xxx
FEISHU_APP_SECRET=xxx
FEISHU_REVIEW_CHAT_ID=oc_xxx

4.2 飞书配置详细说明

飞书推送需要以下配置，按步骤获取：

  1. 创建飞书应用
  1. 申请权限
    • 在权限管理中申请以下权限：在这里插入图片描述
      • im:message (发送消息)
      • im:message:send_as_bot (以机器人身份发送)
      • im:chat (获取群信息)
  1. 获取 Chat ID
    • 打开飞书，进入需要推送的群聊
    • 点击群设置 → 群信息 → 复制群 ID（格式如 oc_xxx）
    • 或者通过群机器人 Webhook 获取
  1. 启用应用
    • 在应用管理中启用应用
    • 将应用添加到目标群聊
  1. 测试推送
    • 配置完成后，发送审查请求测试推送是否正常

配置完成后，代码审查报告将自动推送到指定群聊。

第五章｜测试验证

测试方式 说明
飞书对话 通过飞书私聊机器人发送审查请求
Web 对话 通过 JiuwenClaw Web 界面发送审查请求

5.1 飞书对话测试

JiuwenClaw 作为远程智能管家，支持通过飞书与机器人对话进行代码审查。

前提条件：

  1. 启动 JiuwenClaw 服务
  2. 配置飞书机器人并建立 WebSocket 长连接
  3. code-review 技能已部署到项目目录

在飞书中私聊机器人发送消息：

测试消息：

审查这个项目：https://github.com/openclaw/openclaw

在这里插入图片描述

第六章｜总结

6.1 技术选型

决策点 选择 原因
Lint 工具 Ruff 比 Pylint/Flake8 快 10-100 倍
复杂度分析 Radon Python 原生 API，无需 subprocess
安全扫描 Bandit 专门针对 Python 安全问题
代码获取 git clone 通用方式，不依赖特定平台 API
报告格式 Markdown 兼容性好，飞书可渲染

6.2 遇到的问题

Windows 编码问题

  • 问题：subprocess 在 Windows 上默认使用 GBK 编码
  • 解决：使用 input=code.encode("utf-8")

Bandit 不支持 stdin

  • 问题：Bandit 无法从 stdin 读取代码
  • 解决：写入临时文件，分析后删除

Agent 迭代次数超限

  • 问题：复杂任务达到 max_iterations (50) 后未完成
  • 解决：确保 Agent 按技能指引使用正确工具

6.3 项目路径

项目 路径
技能目录 workspacegent\skills\code-review
报告目录 workspacegenteports\code-review
配置文件 config
环境变量 .env

参考链接

# 代码复审 # 自动化 # 运维
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

cover

校园周边美食探索及分享平台信息管理系统源码-SpringBoot后端+Vue前端+MySQL【可直接运行】

avatar AtomGit开源社区
cover

基于SpringBoot+Vue的房产销售系统管理系统设计与实现【Java+MySQL+MyBatis完整源码】

avatar AtomGit开源社区

【期刊论文复现】不完全信息Epsilon纳什均衡的航天器末端追逃博弈策略（Matlab代码实现）

针对航天器末端追逃场景中存在的信息不完全问题，本文提出一种基于扩展卡尔曼滤波（EKF）的参数估计与自适应博弈策略。通过将逃逸航天器的未知控制矩阵参数扩展为状态变量，构建非线性系统模型，利用EKF在线估计目标参数并动态调整追踪策略。理论分析表明，该策略满足Epsilon纳什均衡条件，仿真实验验证了其在有限时间内实现快速拦截的有效性，且参数估计误差随时间收敛至零。研究为不完全信息条件下的航天器博弈提供

avatar AtomGit开源社区