AICR 拥有报告契约
Agent 通过一个精简、稳定的 MCP 工具集报告发现，AICR 负责校验、去重和渲染—— agent 的自由文本 stdout 永远不会成为报告。
AICodeReviewer (AICR) 是一个自托管服务，用于跨多个版本控制系统编排 AI 代码评审。它把 webhook 和 trigger 归一到统一评审流水线，在你选定的沙箱内运行 agent CLI，并把结构化结果路由回 PR 评论、托管 issue 或 IM 机器人——而不是把 agent 的自由文本 stdout 当成正式报告。
为什么选 AICodeReviewer？
Section titled “为什么选 AICodeReviewer？”自带 agent
Kilo Code、Claude Code、opencode、Zoo Code 和 Copilot CLI 共用一套运行时契约， 切换 agent 无需改写流水线。
所有 VCS，一条流水线
GitHub、Gitea、Forgejo、GitLab 走 webhook；Perforce 和 Subversion 走
trigger。 全部归一为同一个 ReviewEvent。
默认安全
仅拉取变更文件、只读源码挂载、allowlist 沙箱命令、每个边界的 secret 脱敏， 以及硬超时清理。
成本与上下文感知
自动 diff 压缩、按 run 的预算上限、LLM fallback 链，以及按项目和 provider 追踪 token 与成本的 dashboard。
自托管、单容器
server、队列 worker、orchestrator、dashboard 和数据库运行在同一进程中。
docker run 或 podman run 即可部署，加 worker 即可扩展。
-
Webhook 或 trigger 到达，来自你的 VCS（push、PR 或手动
/aicr review命令）。AICR 用你配置的 HMAC secret 或 API key 验证请求。 -
VCS 适配器拉取变更。 仅拉取变更的文件——scoped fetch，而非全量 clone。 对 PR 计算 merge-base diff；对 P4 和 SVN 计算 changelist 或 revision diff。
-
Diff 压缩介入，当变更集超过模型的上下文窗口时，AICR 保留最相关的 hunks 并裁剪其余部分。
-
Agent 在沙箱中运行。 你选择的 agent CLI 在 Docker 或 Podman 容器中执行， 带着 diff、你的 AI 指令和稳定的 MCP 工具集——具有只读源码挂载、allowlist 命令， 以及清理整棵进程树的硬超时。
-
结构化结果路由。 Problem 变成 PR 行内评论（带代码上下文）、托管 issue （带生命周期跟踪和修复后自动关闭）或 IM 摘要卡片（飞书/企业微信，正确渲染）。 同一个
aicr.report_problem调用驱动全部三种输出。
- 一条流水线，多种 VCS。 GitHub、Gitea、Forgejo、GitLab 通过 webhook
接入；Perforce (P4) 和 Subversion (SVN) 通过 trigger 端点接入。全部归一为同一个
ReviewEvent。 - 自带 agent。 Kilo Code、Claude Code、opencode、Zoo Code 和 Copilot CLI
共用一套运行时合同。AICR 把你的
ModelSpec翻译到每个工具的原生字段，并在 run manifest 中显式记录能力降级，而不是静默丢弃。 - AICR 拥有报告契约。 Agent 通过一个精简、稳定的 MCP 工具集产出结果
（
aicr.report_problem、aicr.publish_summary、aicr.skip、aicr.fetch_more_context、aicr.try_blame）。同一个 problem 可以干净地渲染为 PR 行内评论、托管 issue 或 IM 摘要卡片。 - 默认安全。 Scoped VCS fetch（仅变更文件）、只读源码挂载、allowlist 沙箱命令、
每个边界的 secret 脱敏、整棵进程树的超时清理，以及服务容器用
--init回收僵尸进程。 - 上下文感知压缩。 大 diff 在进入模型上下文窗口前自动压缩。按模型的覆盖阈值允许 你为不同 provider 调整压缩策略，而无需改动评审流水线。
- 托管 Problem 生命周期。 Problem 通过稳定 fingerprint 跨 run 追踪。当文件被 重新评审且问题消失时，托管 issue 自动关闭。解决受文件范围守卫保护——不涉及某文件的 评审不会错误关闭该文件上的 issue。
- 内置可观测性。 Dashboard 提供按项目统计、按 run 的 token 估算与成本明细、
provider 级 LLM 使用追踪、每日汇总，以及用于 Prometheus 抓取的
/metrics端点。 - 重试与降级。 队列级重试带指数退避。LLM fallback 链在主 provider 失败或限流时 路由到下一个。死信队列保存持续失败的 run 以便后续排查。
| 维度 | 选项 |
|---|---|
| VCS 提供商 | GitHub、Gitea、Forgejo、GitLab（webhook）；Perforce (P4)、Subversion (SVN)（trigger） |
| Agent CLI | Kilo Code、Claude Code、opencode、Zoo Code、Copilot CLI |
| 输出通道 | PR/MR 行内评论与摘要、托管 problem issue、飞书机器人、企业微信机器人 |
| 沙箱 | native、docker、podman、docker_socket（k8s_pod、firecracker 预留） |
| 模型提供商 | 任意 OpenAI 兼容 API；models.dev 目录提供上下文窗口和定价元数据 |
评审输出规范
Section titled “评审输出规范”每个发现都遵循同一套契约，因此无论由哪个 agent 产出、由哪个 channel 渲染，报告都保持
一致。一个 problem 始终携带严重级别、分类、文件路径、行范围和人类可读的
message（外加可选的修复 suggestion）。
严重级别是固定的五级刻度，让下游路由和分诊可预测：
| 严重级别 | 含义 |
|---|---|
critical |
合入前必须修复——数据丢失、安全漏洞、崩溃或数据损坏 |
high |
在现实条件下有真实影响的疑似 bug 或漏洞 |
medium |
值得处理的正确性、契约或性能风险 |
low |
轻微问题或代码异味；可延后处理 |
info |
提示性说明或观察，无需操作 |
分类把发现归入稳定的族，例如 correctness、security、performance、
api-contract 和 style，从而让分组和去重跨 run 保持一致。
- 最小假设。 AICR 归一化 VCS 输入但不猜测你的工作流。每个行为——跳过策略、 输出路由、标签管理、提交策略——均可配置。
- 诚实降级。 当 agent 适配器或模型不支持某项功能（如结构化输出、推理模式）， 会在 run manifest 中显式记录。没有任何功能被静默丢弃。
- 单容器部署。 整个服务——HTTP server、队列 worker、agent 编排器、dashboard
和 SQLite 数据库——运行在同一个进程中。
docker run或podman run即可部署； 扩展时在共享数据库后增加 worker 数量。 - 可读输出。 每个 problem 包含严重级别、分类、文件路径、行范围和人类可读消息。 IM 机器人收到正确渲染的 Markdown 表格和代码块。没有任何 agent 原始 stdout 进入 用户可见的通知。
快速上手在本地或 Docker Compose 运行 AICR，几分钟内触发第一次评审。
认证与密钥三层认证模型：webhook HMAC、服务端 API key、按 workspace 的 key。
LLM 提供商与模型配置 OpenAI 兼容 provider、模型目录、重试策略与按 run 的预算上限。
Agent 与沙箱选择 agent CLI、设置超时、启用自动压缩、锁定执行沙箱。
输出通道与路由MCP 报告工具、支持的 channel 类型，以及路由如何工作。
部署到生产单容器 Docker 或 Podman，反向代理处理 TLS，持久化卷。
到生产最快的方式是单个 Docker 或 Podman 容器，前置反向代理，由 GitHub 或 Gitea
webhook 触发。请从快速上手开始。如果你在做评估或贡献，
本地 Node.js 快速上手只需要 pnpm install
和 pnpm build。