AI代码变更体检站
0.6433已归档1 次浏览0 次认可9/18/2026
企业服务AI编程重度开发者工具缺失代码质量开源
来源平台: idea-spark
一款给重度使用 Cursor、Claude Code、Copilot 的开发者用的『代码质量闸门』。在提交 AI 生成的代码前自动做一轮体检：跑静态检查与测试、按固定清单用大模型挑出边界条件、错误处理、安全风险等雷点，并生成一份『这轮改动里你真正贡献了什么』的人类贡献摘要。解决 AI 编程工具普及后代码质量失控、开发者说不清自己价值这两大真实痛点，现在正是切入窗口。
目标用户
每天用 Cursor、Claude Code、Copilot 写代码，经常被客户或同事反馈『AI 代码又出 bug』的自由职业开发者、独立开发者和 5 人以下小团队的前端/全栈工程师
核心差异点
不是又一个 AI code review 工具，而是把『质量审查』和『人类贡献度』合成为一张报告：既拦下 AI 埋的雷，又让开发者拿回『我到底干了什么』的确定感。竞品只告诉你代码哪里有问题，它同时告诉你哪些功绩属于你——这两者一起才解决 AI 编程时代最深的焦虑。
解决方案
TypeScript 编写的 CLI 工具 + GitHub App 双层形态。用户在本地执行 `ai-check` 或安装 GitHub App 监听 PR，工具依次执行：① 拉取 git diff 并运行配置好的 lint/type-check/测试命令收集客观结果；② 将 diff 按 chunks 发送到大模型（支持 OpenAI/Claude/DeepSeek，可选本地 Ollama），用『边界条件、错误处理、安全性、业务一致性』四类清单逐项给出风险评级；③ 与上一版本 diff 对比，通过改动位置聚类与启发式规则区分『AI 产出』与『人工审校/修改』部分，生成 PR 描述草稿和人工贡献清单；④ 输出一份 Markdown 体检报告，可直接贴到 PR 或周报。MVP 不做多仓库管理和团队权限，专注单仓库端到端体验。
关联痛点
AI 生成的代码 bug 一堆，修修补补人工参与太重AI 编程太快导致开发者说不清自己的贡献、价值感缺失
MVP 范围
本地 CLI：输入 git diff 范围，自动跑 lint/type-check/测试并汇总结果
LLM 审查：按边界条件、错误处理、安全风险、业务一致性四类清单输出风险评级
人工贡献摘要：对比 base 分支，区分 AI 产出与人工修改，生成 PR 描述草稿
输出 Markdown 体检报告，一键贴入 PR 或群聊