PR-Agent：把代码审查交给 AI，11.4k star 的开源 PR 评审工具完全指南

PR-Agent: Delegate Code Review to AI — Complete Guide to the 11.4k-Star Open-Source PR Reviewer

Tech-Experiment

Jun 7, 2026

🇨🇳 中文

代码审查（Code Review）是软件开发里最耗时、最容易出现意见分歧的环节之一。

一个有经验的 reviewer 每看一个 PR，要花 30 分钟到 2 小时：读 diff、理解上下文、找潜在 bug、想怎么表达不让对方难受。团队小的时候还好，人一多、PR 一多，review 就变成了瓶颈。

PR-Agent 的出发点就是解决这个问题：让 AI 先做一轮审查，把明显问题、描述缺失、改进建议全部自动列出来，人只需要复核和决策。

它是什么

PR-Agent（qodo-ai/pr-agent）是由 Qodo（原 CodiumAI）开发的开源 AI 代码审查工具。2026 年 4 月，Qodo 宣布将项目正式移交给社区维护（迁移到 The-PR-Agent 组织），回归 Apache 2.0 协议，由开发者社区驱动。

指标	数值
GitHub Star	11,400+
Fork	1,500+
协议	Apache 2.0
语言	Python（99.9%）
当前版本	0.36.0（2026-06-01）
Python 要求	>=3.12

支持的 Git 平台：GitHub / GitLab / Bitbucket / Azure DevOps / Gitea

支持的 AI 模型：OpenAI GPT-4o/o3/o4-mini、Anthropic Claude Sonnet 4.6、Google Gemini 2.5 Pro、DeepSeek、Meta Llama 4、xAI Grok-3、以及通过 OpenRouter 统一接入的全部主流模型

核心命令：七条斜杠

PR-Agent 的交互方式极其简单——在 PR 的评论区输入斜杠命令，它就会做对应的工作：

命令	功能	典型耗时
`/review`	AI 全面代码审查，含安全、逻辑、风格问题	~30 秒
`/describe`	自动生成 PR 标题、摘要、变更类型、标签	~20 秒
`/improve`	逐行代码改进建议，生成可直接 commit 的 diff	~30 秒
`/ask <问题>`	针对 PR 变更的自由问答	~20 秒
`/walkthrough`	逐步解释变更逻辑，验证 diff 是否符合意图	~25 秒
`/labels`	根据代码变更建议 PR 标签	~15 秒
`/update_changelog`	自动更新 CHANGELOG.md	~20 秒

每条命令都是单次 LLM 调用，不会产生循环对话，成本可控。

三条部署路径

路径 1：GitHub Actions（最快，5 分钟上线）

适合：GitHub 用户，不想维护服务器，希望 PR 开了自动跑。

在你的仓库创建 .github/workflows/pr-agent.yml：

name: PR-Agent

on:
  pull_request:
    types: [opened, reopened]
  issue_comment:
    types: [created]

permissions:
  issues: write
  pull-requests: write
  contents: write

jobs:
  pr_agent_job:
    if: ${{ github.event.sender.type != 'Bot' }}
    runs-on: ubuntu-latest
    name: Run PR-Agent on PR events
    steps:
      - name: PR Agent action step
        id: pragent
        uses: Codium-ai/pr-agent@main
        env:
          OPENAI_KEY: ${{ secrets.OPENAI_KEY }}
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}

然后在 GitHub 仓库 Settings → Secrets 里添加 OPENAI_KEY（或你选择的模型的 API Key）。

这样每次有人开 PR，或者在 PR 下评论 /review，Action 就会自动触发。

用 Claude 替代 OpenAI：

env:
  ANTHROPIC.KEY: ${{ secrets.ANTHROPIC_KEY }}
  CONFIG.AI_PROVIDER: "anthropic"
  CONFIG.MODEL: "claude-sonnet-4-6"
  GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}

用 Gemini 替代 OpenAI：

env:
  GOOGLE_AI_STUDIO.KEY: ${{ secrets.GEMINI_API_KEY }}
  CONFIG.AI_PROVIDER: "google_ai_studio"
  CONFIG.MODEL: "gemini-2.5-pro"
  GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}

用 DeepSeek（成本最低）：

env:
  OPENAI.KEY: ${{ secrets.DEEPSEEK_API_KEY }}
  OPENAI.API_BASE: "https://api.deepseek.com/v1"
  CONFIG.MODEL: "deepseek/deepseek-chat"
  GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}

路径 2：Docker 自托管（完全私有，数据不出内网）

适合：GitLab / Bitbucket / Azure DevOps 用户，或需要私有化部署的企业。

# 克隆仓库
git clone https://github.com/qodo-ai/pr-agent.git
cd pr-agent

# 创建配置文件
cat > config.toml << 'EOF'
[config]
model = "gpt-4o"
git_provider = "github"

[openai]
key = "sk-your-openai-key"

[github]
user_token = "ghp_your-github-token"
webhook_secret = "your-webhook-secret"
EOF

# Docker 运行
docker run -d \
  --name pr-agent \
  -p 3000:3000 \
  -v $(pwd)/config.toml:/app/config.toml \
  pragent/pr-agent:latest \
  --webhook_server

然后在 GitHub 仓库 Settings → Webhooks 里添加：

Payload URL: http://your-server:3000/api/v1/github_webhooks
Content type: application/json
Secret: 和 webhook_secret 一致
Events: Pull requests + Issue comments

GitLab 自托管，改 config.toml：

[config]
git_provider = "gitlab"

[gitlab]
personal_access_token = "glpat-your-token"
webhook_secret = "your-secret"

路径 3：Qodo Cloud（零配置，30 PR/月免费）

适合：快速试用，个人开发者。

访问 www.qodo.ai 注册账号
连接你的 GitHub 仓库（OAuth 授权）
完成，PR 自动获得 AI 审查

免费额度：每月 30 次 PR 审查（组织共享，不是每人 30 次）。付费版 $30/用户/月，企业版按需定制。

配置文件：`.pr_agent.toml`

在仓库根目录放一个 .pr_agent.toml，可以精确控制 PR-Agent 的行为：

[config]
# 指定模型（所有 OpenAI 兼容接口均可）
model = "gpt-4o"
# 响应语言（ISO 格式，支持中文！）
response_language = "zh-CN"
# 最大 token 数
max_model_tokens = 32000
# 温度（0 = 更严格一致，1 = 更有创意）
temperature = 0.1

[pr_reviewer]
# 是否显示审查工作量估算（S/M/L/XL）
require_score_review = true
# 是否只评论变更部分（不全文扫描）
num_code_suggestions = 4
# 是否要求 security 专项检查
require_security_review = true
# 是否需要测试覆盖检查
require_tests_review = true

[pr_description]
# 是否自动打标签
publish_labels = true
# 是否生成代码 walkthrough
enable_pr_diagram = true

[pr_code_suggestions]
# 每次 /improve 最多几条建议
num_code_suggestions_per_chunk = 5

[ignore]
# 不审查这些文件类型
glob = ["*.lock", "*.min.js", "dist/**", "*.generated.ts"]

重要技巧：中文响应

设置 response_language = "zh-CN" 后，PR-Agent 所有输出（审查意见、描述、建议）都会变成中文，对中文团队非常友好。

实际工作流演示

场景：开一个 PR 之后

开发者 Alice 开了一个 PR，修改了用户认证逻辑。

Step 1：自动触发描述生成（GitHub Actions 已配置 on: pull_request: opened）

PR-Agent 自动为 PR 写了：

## 变更类型
- [x] Bug Fix
- [x] Security

## 摘要
修复了 JWT token 刷新逻辑中的竞争条件。当并发请求同时触发 token 刷新时，
旧 token 可能在短暂窗口内被接受。

## 变更详情
- auth/jwt.go: 添加互斥锁保护 token 刷新临界区
- auth/middleware.go: 修复 token 过期检查顺序
- tests/auth_test.go: 新增并发刷新测试用例

## 审查工作量
估计: M（中等），约 15-25 分钟

Step 2：reviewer Bob 触发代码审查

Bob 在 PR 下评论 /review，30 秒后：

## 代码审查

### 关键问题（需要修复）
- [安全] auth/jwt.go:45 — 互斥锁的 defer Unlock() 位置不正确，
  在 panic 时可能导致死锁。建议改为 defer mu.Unlock()
  紧跟在 mu.Lock() 之后

### 可能的问题
- auth/middleware.go:82 — 错误日志记录了完整的 JWT token 内容，
  可能造成 token 泄露，建议只记录 token 的前8位

### 建议
- 考虑为并发测试添加 -race 标志检测竞争条件
- README 缺少 JWT 刷新配置说明

### 工作量
估计: M（已核验）

Step 3：Alice 触发代码改进

Alice 评论 /improve：

## 代码改进建议

### 建议 1（auth/jwt.go:45）
将 defer 位置移到 Lock 之后，防止 panic 时死锁

当前代码:
```go
func (s *Service) RefreshToken(old string) (string, error) {
    s.mu.Lock()
    // ... 一些代码 ...
    defer s.mu.Unlock()  // ❌ defer 位置太晚

建议改为:

func (s *Service) RefreshToken(old string) (string, error) {
    s.mu.Lock()
    defer s.mu.Unlock()  // ✅ 紧跟 Lock
    // ... 一些代码 ...

[一键接受此建议]


**Step 4：自由问答**

Bob 评论 `/ask 这个并发锁方案在高并发场景下性能如何？是否考虑过 sync.RWMutex？`

PR-Agent 直接针对代码和问题给出具体分析。

---

## 高级用法

### OpenRouter 统一多模型接入

OpenRouter 让你用一个 API Key 访问 OpenAI、Claude、Gemini、Llama 等所有模型，并可以按 PR 类型选不同模型：

```toml
[openai]
key = "sk-or-your-openrouter-key"
api_base = "https://openrouter.ai/api/v1"

[config]
# 安全敏感 PR 用最强模型
model = "anthropic/claude-sonnet-4-6"
# 或用便宜的 DeepSeek 跑日常 PR
# model = "deepseek/deepseek-chat"

OpenRouter 对每笔请求加收 5.5% 费用，但省去了维护多个 API Key 的麻烦，还有统一的用量监控。

只在特定目录触发

[ignore]
# PR 只修改了文档/配置时不触发详细代码审查
glob = ["docs/**", "*.md", "*.yml"]

自定义评审重点

[pr_reviewer]
# 自定义关注点（会加入 prompt 中）
extra_instructions = """
我们的项目使用 Go 1.22+，请特别关注：
1. goroutine 泄露风险
2. context 正确传递
3. error wrapping 规范（%w 不是 %v）
4. 所有数据库操作必须有事务
"""

真实效果数据

根据多个团队的实际报告：

指标	变化
平均 PR 审查时间	从 2 小时降到 45 分钟（-62%）
安全问题发现率	提升约 4 倍
PR 描述质量	显著改善，新人 PR 描述从无到有
Reviewer 负担	从”看所有细节”变成”决策和判断”

Qodo 2.0 多 Agent 架构（2026 年 2 月发布）的实测数据：

在代码审查 benchmark 上 F1 值 60.1%，比最近竞争对手高 9%
Recall（召回率）56.7%，高于其他工具

我的判断

值得部署，尤其是中小团队。

几个观察：

1. GitHub Actions 路径太顺了：从零到 PR 自动审查，真的只需要 5 分钟，加一个 yaml 文件，添加一个 secret。门槛比所有同类工具都低。

2. 命令设计合理：不是把 AI 塞进一个黑盒，而是明确的工具集——/describe 是描述，/review 是审查，/improve 是建议。每个工具职责清晰，reviewer 自己决定什么时候触发什么。

3. 中文支持真实可用：response_language = "zh-CN" 不是摆设，中文团队配置后整个交互都是中文，review 意见可以直接和国内同事沟通。

4. 社区移交是好事：2026 年 4 月 Qodo 把项目交给 The-PR-Agent 社区，Apache 2.0 协议，意味着没有商业锁定风险，可以长期依赖。

需要注意：

需要自己支付 LLM API 费用（DeepSeek 最便宜，一次审查约 $0.01-$0.05）
AI 审查不能替代人工——它找不到业务逻辑错误，也不了解你的产品背景
配置需要花时间调教，才能把无关噪音（如 lock 文件变更）过滤掉

快速上手：三步走

# 1. 安装（用于 CLI 测试）
pip install pr-agent

# 2. 测试一个 PR（CLI 模式）
OPENAI_API_KEY=sk-xxx pr-agent review --pr_url https://github.com/owner/repo/pull/123

# 3. 正式部署 → 创建 .github/workflows/pr-agent.yml（见上文）

GitHub: qodo-ai/pr-agent（现社区维护: The-PR-Agent/pr-agent）
官方文档: pr-agent-docs.codium.ai
Qodo Cloud 试用: qodo.ai（30 PR/月免费）

🇬🇧 English

PR-Agent: Delegate Code Review to AI — Complete Guide to the 11.4k-Star Open-Source PR Reviewer

Code review is one of the most time-consuming and friction-prone steps in software development.

An experienced reviewer can spend 30 minutes to 2 hours on a single PR — reading the diff, understanding context, spotting potential bugs, and choosing words carefully. That’s manageable in a small team, but as team size and PR volume grow, review becomes the bottleneck.

PR-Agent addresses this directly: let AI run a first-pass review — surfacing missing descriptions, potential bugs, and improvement suggestions — so humans can focus on decision-making rather than discovery.

What It Is

PR-Agent (qodo-ai/pr-agent) is an open-source AI code review tool built by Qodo (formerly CodiumAI). In April 2026, Qodo donated the project to the community (now maintained under The-PR-Agent organization), returning to Apache 2.0.

Metric	Value
GitHub Stars	11,400+
Forks	1,500+
License	Apache 2.0
Language	Python (99.9%)
Current Version	0.36.0 (2026-06-01)
Python Required	>=3.12

Supported Git platforms: GitHub / GitLab / Bitbucket / Azure DevOps / Gitea

Supported AI models: OpenAI GPT-4o/o3/o4-mini, Anthropic Claude Sonnet 4.6, Google Gemini 2.5 Pro, DeepSeek, Meta Llama 4, xAI Grok-3, and all major models via OpenRouter

Core Commands: Seven Slash Commands

PR-Agent’s interaction model is simple: comment a slash command on a PR, and it does the work.

Command	Function	Typical Time
`/review`	Full AI code review: security, logic, style issues	~30s
`/describe`	Auto-generate PR title, summary, change type, labels	~20s
`/improve`	Line-by-line code improvement suggestions (commit-ready diffs)	~30s
`/ask <question>`	Free-form Q&A about the PR changes	~20s
`/walkthrough`	Step-by-step explanation, verifies diff matches intent	~25s
`/labels`	Suggest PR labels based on code changes	~15s
`/update_changelog`	Auto-update CHANGELOG.md	~20s

Every command is a single LLM call — no conversation loops, predictable cost.

Three Deployment Paths

Path 1: GitHub Actions (Fastest — live in 5 minutes)

Best for: GitHub users who want automatic reviews without maintaining a server.

Create .github/workflows/pr-agent.yml in your repository:

name: PR-Agent

on:
  pull_request:
    types: [opened, reopened]
  issue_comment:
    types: [created]

permissions:
  issues: write
  pull-requests: write
  contents: write

jobs:
  pr_agent_job:
    if: ${{ github.event.sender.type != 'Bot' }}
    runs-on: ubuntu-latest
    name: Run PR-Agent on PR events
    steps:
      - name: PR Agent action step
        id: pragent
        uses: Codium-ai/pr-agent@main
        env:
          OPENAI_KEY: ${{ secrets.OPENAI_KEY }}
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}

Add OPENAI_KEY to GitHub repository Settings → Secrets. Done.

Use Claude instead:

env:
  ANTHROPIC.KEY: ${{ secrets.ANTHROPIC_KEY }}
  CONFIG.AI_PROVIDER: "anthropic"
  CONFIG.MODEL: "claude-sonnet-4-6"
  GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}

Use DeepSeek (cheapest option):

env:
  OPENAI.KEY: ${{ secrets.DEEPSEEK_API_KEY }}
  OPENAI.API_BASE: "https://api.deepseek.com/v1"
  CONFIG.MODEL: "deepseek/deepseek-chat"
  GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}

Path 2: Docker Self-Hosted (Fully private, data stays on-premise)

Best for: GitLab / Bitbucket / Azure DevOps users, or teams with strict data governance requirements.

git clone https://github.com/qodo-ai/pr-agent.git
cd pr-agent

# Create config file
cat > config.toml << 'EOF'
[config]
model = "gpt-4o"
git_provider = "github"

[openai]
key = "sk-your-openai-key"

[github]
user_token = "ghp_your-github-token"
webhook_secret = "your-webhook-secret"
EOF

# Run with Docker
docker run -d \
  --name pr-agent \
  -p 3000:3000 \
  -v $(pwd)/config.toml:/app/config.toml \
  pragent/pr-agent:latest \
  --webhook_server

Then add a GitHub webhook pointing to http://your-server:3000/api/v1/github_webhooks.

Path 3: Qodo Cloud (Zero config, 30 PRs/month free)

Best for: quick evaluation, individual developers.

Sign up at www.qodo.ai
Connect your GitHub repository via OAuth
Done — PRs automatically receive AI reviews

Free tier: 30 PR reviews per month (shared pool per org). Teams plan: $30/user/month. Enterprise: custom pricing.

Configuration: `.pr_agent.toml`

Place this file in your repository root to control PR-Agent behavior:

[config]
model = "gpt-4o"
response_language = "en-US"     # "zh-CN" for Chinese responses!
max_model_tokens = 32000
temperature = 0.1

[pr_reviewer]
require_score_review = true
num_code_suggestions = 4
require_security_review = true
require_tests_review = true

[pr_description]
publish_labels = true
enable_pr_diagram = true

[pr_code_suggestions]
num_code_suggestions_per_chunk = 5

[ignore]
glob = ["*.lock", "*.min.js", "dist/**", "*.generated.ts"]

Custom review focus — inject domain knowledge directly into the review prompt:

[pr_reviewer]
extra_instructions = """
This project uses Go 1.22+. Pay special attention to:
1. Goroutine leak risks
2. Proper context propagation
3. Error wrapping convention (use %w not %v)
4. All database operations must use transactions
"""

Real-World Outcomes

Based on multiple team reports:

Metric	Change
Average PR review time	From 2 hours → 45 minutes (−62%)
Security issue detection rate	~4x improvement
PR description quality	Significant improvement, especially from junior developers
Reviewer focus	Shifts from “find all the details” to “validate and decide”

Qodo 2.0’s multi-agent architecture benchmark results (February 2026):

F1 score: 60.1% — 9% above the nearest competitor
Recall: 56.7% — highest among compared tools

My Assessment

Worth deploying, especially for small-to-medium teams.

Key observations:

1. GitHub Actions path is frictionless: From nothing to automatic PR review in under 5 minutes — one yaml file, one secret. The lowest barrier of any comparable tool.

2. Command design is principled: Not a black box — it’s a clear toolkit. /describe is description, /review is review, /improve is suggestions. Reviewers decide when to trigger what.

3. Community handoff reduces risk: With the April 2026 move to The-PR-Agent community org under Apache 2.0, there’s no vendor lock-in. Safe to depend on long-term.

Things to be aware of:

You pay your own LLM API costs (DeepSeek is cheapest, ~$0.01-$0.05 per review)
AI review cannot replace human judgment on business logic and product context
Configuration needs tuning to filter out noise (e.g., lock files, generated files)

Quick Start

# Install CLI for local testing
pip install pr-agent

# Test on a specific PR
OPENAI_API_KEY=sk-xxx pr-agent review --pr_url https://github.com/owner/repo/pull/123

# Production: create .github/workflows/pr-agent.yml (see above)

GitHub: qodo-ai/pr-agent (community: The-PR-Agent/pr-agent)
Docs: pr-agent-docs.codium.ai
Qodo Cloud: qodo.ai (30 PRs/month free)

💬 评论与讨论

使用 GitHub 账号登录后发表评论

PR-Agent：把代码审查交给 AI，11.4k star 的开源 PR 评审工具完全指南

PR-Agent: Delegate Code Review to AI — Complete Guide to the 11.4k-Star Open-Source PR Reviewer

它是什么

核心命令：七条斜杠

三条部署路径

路径 1：GitHub Actions（最快，5 分钟上线）

路径 2：Docker 自托管（完全私有，数据不出内网）

路径 3：Qodo Cloud（零配置，30 PR/月免费）

配置文件：.pr_agent.toml

实际工作流演示

场景：开一个 PR 之后

只在特定目录触发

自定义评审重点

真实效果数据

我的判断

PR-Agent: Delegate Code Review to AI — Complete Guide to the 11.4k-Star Open-Source PR Reviewer

What It Is

Core Commands: Seven Slash Commands

Three Deployment Paths

Path 1: GitHub Actions (Fastest — live in 5 minutes)

Path 2: Docker Self-Hosted (Fully private, data stays on-premise)

Path 3: Qodo Cloud (Zero config, 30 PRs/month free)

Configuration: .pr_agent.toml

Real-World Outcomes

My Assessment

相关文章

💬 评论与讨论

配置文件：`.pr_agent.toml`

Configuration: `.pr_agent.toml`