当 AI 不再只是"一个人在战斗"，而是让多个智能体各司其职、协作甚至对抗——评审的质量将发生质变。

一、为什么需要智能评审？

在软件研发流程中，需求评审和代码评审是保障质量的关键环节。然而现实是：

• 人力有限：评审会议耗时耗力，参与者往往难以覆盖所有视角
• 视角单一：个人经验局限导致盲区，安全、性能、体验等问题容易遗漏
• 标准不一：不同评审者的关注点和严格程度差异巨大
• 反馈滞后：评审意见往往在流程后期才被发现，修复成本高

RevuAI 的核心理念是：让多个 AI 智能体扮演不同角色，从不同视角对需求和代码进行深度评审，从而弥补人工评审的不足，提升评审的全面性和效率。

二、平台架构概览

RevuAI 采用前后端分离架构，由三个子系统组成：

子系统	技术栈	职责
用户前端	Vue 3 + Element Plus + Tailwind CSS + ECharts	面向评审用户的操作界面
管理后台	Vue 3 + TypeScript + Vite + Element Plus	面向管理员的运营管理界面
后端服务	FastAPI + SQLAlchemy + MySQL + ChromaDB	API 服务、智能体编排、知识库管理

AI 能力层集成 DeepSeek、Moonshot 等大语言模型，通过 LangChain/LangGraph 进行智能体编排，使用 Ollama + bge-m3 模型实现知识库语义检索。

三、核心功能

3.1 产品空间

RevuAI 以产品为核心组织所有资源。每个产品拥有独立的知识库、代码仓库、需求基线和评审助手，形成完整的评审上下文。

• 产品管理：创建产品、归档、成员邀请
• 成员权限：产品管理员（admin）和普通成员（member）两种角色
• 资源隔离：不同产品的知识库、助手、评审记录完全隔离

3.2 知识库管理

知识库是智能评审的"记忆"，为评审提供上下文支撑。

• 多类型知识库：支持产品文档、需求文档、技术资料、业务知识四种类型
• 文档处理：上传文档后自动分块、向量化（bge-m3 嵌入模型），存入 ChromaDB
• 语义检索：评审时自动从知识库检索相关内容，注入智能体提示词
• 查询优化：支持 LLM 改写查询策略，提升检索精度
• 处理监控：实时查看文档处理状态

3.3 评审助手

评审助手是连接产品与评审能力的桥梁，定义了评审的类型、模式和智能体配置。

• 评审类型：需求评审、代码评审
• 评审模式：快速模式、协作模式、辩论模式（详见下一章）
• 知识库绑定：助手可绑定特定类型的知识库，评审时自动检索
• 智能体配置：可自定义各角色的提示词、模型和参数

3.4 评审报告

评审完成后自动生成结构化报告，包含：

• 综合评分：整体质量打分
• 关键指标摘要：一目了然的核心发现
• 维度分组：按完整性、可行性、安全性、性能、用户体验等维度分类展示
• 优先级排序：问题按 P0 → P3 优先级排列
• 改进建议：具体的优化方向
• 导出功能：支持 JSON 和 Markdown 格式导出

四、三种评审模式——平台的核心创新

RevuAI 最大的特色在于三种评审模式，覆盖从"快速扫描"到"深度对抗"的不同场景需求。

4.1 快速模式

适用场景：时间紧迫，需要快速获得评审反馈

工作流程：审查专家结构化扫描 → 主持人总结

• 单轮评审，速度最快
• 由一个审查专家（Reviewer）全面扫描质量维度
• 主持人（Host）汇总形成结论

4.2 协作模式

适用场景：需要多视角分析，但不需要对抗式深度

工作流程：多分析师并行独立分析 → 主持人汇总 → 矛盾讨论 → 共识评估

• 五位分析师从不同视角并行分析：

分析师	视角
业务分析师	业务价值与市场契合度
技术分析师	技术可行性与架构影响
用户体验分析师	用户体验与交互设计
安全合规分析师	安全风险与合规要求
质量保障分析师	测试覆盖与质量标准

• 主持人汇总各分析师发现，识别矛盾并讨论
• 最终形成共识性评审结论

4.3 辩论模式

适用场景：高风险需求/代码，需要深度暴露缺陷

工作流程：主持人分析 → 多轮攻防辩论 → 仲裁者裁决

• 主持人（Moderator）：引导辩论方向，判断是否继续
• 辩护方（Defender）：从正面角度维护需求/代码的合理性
• 质疑方（Challenger）：从反面角度质疑需求/代码的缺陷
• 仲裁者（Arbitrator）：综合辩论结果，生成最终裁决

辩论模式支持最多 5 轮攻防，当双方达成共识或达到最大轮次时结束。这种对抗机制能够深度暴露隐藏问题，是传统单智能体评审无法实现的。

五、评审对话体验

评审过程以对话形式呈现，支持实时流式交互：

• SSE 实时推送：智能体输出 Token 级流式展示，打字机效果
• 角色着色：不同智能体角色使用不同颜色气泡，一目了然
• 阶段分隔：辩论模式展示轮次分隔，协作模式展示分析师进度
• 状态栏：实时显示评审进行状态
• 用户交互：评审过程中可随时追问，与智能体对话

六、工作台

工作台是用户进入平台后的首页，提供一站式的评审工作入口：

• 欢迎区：个性化问候 + 快速发起评审入口
• 统计卡片：评审数量、通过率等关键指标及趋势
• 评审趋势图：近期评审活动可视化
• 质量分布图：评审质量评分分布

七、技术亮点

7.1 多智能体编排

基于 LangChain/LangGraph 实现分层智能体架构，由编排器（Orchestrator）统一调度不同角色的智能体，支持快速/协作/辩论三种模式的灵活切换。

7.2 知识库增强检索

评审启动时自动从产品知识库检索相关内容注入智能体提示词，让评审基于真实的项目上下文，而非泛泛而谈。支持 LLM 查询改写、相似度去重、按类型过滤等优化策略。

7.3 实时流式通信

基于 SSE（Server-Sent Events）实现评审过程的实时推送，用户可以像聊天一样观察智能体的思考过程，体验流畅自然。

7.4 Token 消耗追踪

每次 LLM API 调用均持久化记录 Token 消耗，管理后台提供趋势图和智能体分布分析，帮助运营者掌控成本。

八、适用场景

场景	推荐模式	说明
日常需求评审	快速模式	快速获得结构化反馈
重要需求评审	协作模式	多视角全面分析
高风险需求/代码	辩论模式	深度对抗暴露隐患
代码提交前自审	快速模式	提交前快速扫描
代码合并评审	协作/辩论模式	多角度审查代码质量

九、总结

RevuAI 通过多智能体协作机制，让 AI 评审从"单点判断"进化为"多角色协作"甚至"对抗式辩论"。这种设计不仅提升了评审的全面性和深度，更模拟了真实世界中高质量评审会议的运作方式——不同角色各司其职，在碰撞中逼近真相。

如果你有更好的建议，欢迎在评论区讨论交流。