如何构建一个自我改进的代码审查智能体

这是我在“如何构建云软件工厂”系列文章中的第三篇：

• 构建问题分类智能体
• 构建规格编写智能体
• [本文] 构建一个自我改进的代码审查智能体

我将描述如何构建一个代码审查智能体，以及如何让其生成的审查质量随时间自动提升。这是对之前文章的延续，我之前描述了如何将分类、规格和实现智能体设置为工厂的第一部分。

请注意，你可以使用现成的代码审查平台，但将其集成到云工厂工作流中的好处在于：工厂中的所有智能体都遵循类似模式，并且可以共享上下文（例如，你的代码审查智能体可以了解规格编写智能体如何编写规格，并可以要求验证智能体验证审查评论中提出的建议）。你还可以完全控制代码审查技能，自由选择模型，并控制该技能随时间改进的方式。在我看来，自动化整个软件开发生命周期比只自动化其中一部分更好。

要跟着操作并在你自己的仓库中实现代码审查，可以在这里查看演示代码。

深入来看，为了实现代码审查智能体，我们将创建以下内容：

• 一个代码审查技能，云智能体可以将其应用于 PR
• 一个调用该技能的 Github Action
• 第二个“外循环”智能体，用于观察代码审查者并随时间改进它

让我们从代码审查技能开始，我将基于 Warp 在其流行的 OSS 仓库中用于代码审查的技能。

该技能接受三个输入：

• PR 描述
• PR 差异
• 来自规格智能体的规格（如果有）

它返回一个名为 review.json 的结构化输出。

由于该技能由像 Claude Code、Codex 或 Warp 这样的云编码智能体运行，它还可以利用编码智能体可以做的所有标准事情，比如读取文件、搜索代码库、构建代码、编写测试等。让一个完整的智能体进行代码审查，使其能够在提出任何更改建议之前验证假设，确保建议的更改能成功构建等。这对工作流至关重要。

技能的正文指示智能体审查代码的安全性、正确性、风格等。它提供了详细说明，包括如何内联留下反馈、什么算严重、重要或只是小问题、以何种风格留下评论等。它指示智能体如果有规格则将其与代码进行比较，并验证它建议的任何更改。最后，它通过 review.json 提供结构化输出的模式，以便结果可以转换为 GitHub 中的一组评论。

该技能不仅仅是一个文本文件，它还包括一组支持性的 Python 脚本，使其更具确定性和成本效益。我建议将脚本作为技能资源打包，以避免让智能体实时编写它们，这会消耗额外的 token 并引入不确定性。

该技能缺少的是特定团队或仓库编码约定的具体上下文。与其在一开始就添加这些，不如创建第二个智能体，随着审查智能体在运行过程中学习这些约定（稍后会详细介绍）。

代码审查技能

为了调用代码审查技能，我们需要：

• 一个触发它的 Github Action
• 它在云端运行的一个地方

Github Action 相当简单，主要是些不值得深入探讨的管道工作。在高层，它在不同的 PR 状态变化时运行，收集关于 PR 的上下文，然后使用审查技能启动云智能体。

对于在云端运行，我们使用 Github Actions + Warp 智能体的组合，就像本仓库中其他演示一样，但这里有很多选项可以选择。不过，Warp 的好处在于它是多模型和多框架的，这对于管理成本非常有用（并且可以运行开放权重模型）。它还可以配置为在任何基础设施上运行。

Github Action

请注意，智能体被授予对拉取请求的只读权限，而 GitHub Action 会以编程方式将智能体的 review.json 转换为 GitHub 评论。我们可以让智能体拥有直接发布 GitHub 评论的写入权限，但这会引入提示注入风险（比如评论其他 PR 甚至删除 PR）。

以下是一个高质量审查智能体输出的示例，包含详细的内联评论和修复建议：

PR 级别摘要

PR 级别摘要

一个内联评论

一个内联评论

如果你回复这些评论之一并重新推送代码，审查智能体会自动再次运行。它会理解先前的上下文和讨论线程，并适当地重新审查。就是这么简单。

你可以就此打住，拥有一个功能但基础的 PR 审查器，但我想展示如何通过自我改进循环让这个审查器随时间提升。

这个循环是这样的：

• 在一天中，代码审查智能体在每个 PR 上运行
• 人类作者和审查者与审查智能体留下的评论互动，有时纠正它们或验证其建议
• 每天一次，“外部智能体”运行，审查代码审查智能体当天处理的所有 PR，综合人类反馈
• 如果外部智能体发现任何值得为后续运行记住的知识，它会提交一个 PR 来更新代码审查智能体技能
• 下次代码审查智能体运行时，它会融入这些学习成果

这个系统并不完美，但随着时间的推移，随着更多关于团队偏好的相关信息被纳入技能中，审查质量确实会提升。这些信息可能涉及代码风格、代码库中的特定陷阱，或者审查智能体应如何验证建议等。

为了使其真正有效，你应该将其与指标和评估结合起来，查看你在代码审查上花费了多少、需要多少周期以及审查者被纠正的频率。我将在未来的文章中展示如何为这些循环创建评估。

外循环改进技能

对于我的示例 PR，我对智能体评论同时添加了正面和负面反馈，然后观察外部智能体如何调整代码审查者，使其在未来考虑这些反馈。

以下是一些负面反馈，我要求智能体倾向于进行结构性的代码更改，而不是添加注释。

还有一些正面反馈，关于它建议为 HTTP 请求添加超时。

这是我们的“外循环”智能体在 PR 中提出的对代码审查技能的调整。它考虑了这两条反馈，因此未来审查者的运行会更好：

我希望大家觉得这有用。要尝试它，请让你的智能体从云工厂演示仓库中添加 PR Review 和 Improve PR Review Skills 以及 GitHub 工作流。

随着我发布更多此类文章，我们将一步一步地构建整个工厂，一次一个智能体。在下一篇文章中，我将展示如何添加一个验证智能体，该智能体通过计算机使用来从用户角度检查更改是否正确。

我们正在 Warp 努力使其更加即开即用，但我认为自己动手设置智能体本身就有很大的学习价值。

如果你有任何反馈或问题，请告诉我！