# 1. Инструменты AI-код-ревью: сравнение

Рынок AI-ревью в 2026 разделился на три категории: SaaS-платформы с глубокой интеграцией в GitHub/GitLab, AI-ассистенты с функцией ревью «из коробки» и open-source решения для self-hosted инфраструктуры. Каждый подход имеет свои компромиссы по стоимости, точности и контролю над данными.

# 2. CodeRabbit: установка и настройка правил

CodeRabbit — самый популярный AI-ревьюер для GitHub. Установка занимает 2 минуты: авторизация через GitHub App и выбор репозиториев. Главная сила — файл .coderabbit.yaml с кастомными правилами ревью, который позволяет задать tone, игнорируемые паттерны и специфичные для команды проверки.

# .coderabbit.yaml — корень репозитория
reviews:
  auto_review:
    enabled: true
    ignore_title_patterns: ["WIP:", "[Draft]"]
  tone: "constructive"  # strict | constructive | friendly

rules:
  security:
    no-hardcoded-secrets: true
    detect-sql-injection: true
  style:
    max-function-length: 80  # строк
    require-type-hints: true
  custom:
    "no-console-in-api": |
      В API-роутах не должно быть console.log —
      используйте структурированный логгер (pino/winston)

# Игнорировать файлы
ignore:
  files: ["*.lock", "*.generated.*", "vendor/**"]
  

# 3. Claude Code как ревьюер в GitHub Actions

Claude Code от Anthropic — самый точный AI-ревьюер на рынке (по данным бенчмарков SWE-bench). В отличие от SaaS-решений, он запускается прямо в CI и имеет полный контекст репозитория. Единственный минус — нужен API-ключ и настройка пайплайна вручную.

# .github/workflows/ai-review.yml
name: AI Code Review
on:
  pull_request:
    types: [opened, synchronize]

jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
        with:
          fetch-depth: 0

      - name: Get diff
        run: |
          git diff origin/${{ github.base_ref }}...HEAD > pr.diff

      - name: Claude Code Review
        env:
          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
        run: |
          claude -p "Отревьюй этот PR diff. Найди: баги,
          уязвимости, нарушения SOLID, проблемы с производительностью.
          Формат: краткий summary + список находок с severity." \
            --print < pr.diff > review.md

      - name: Post review comment
        uses: actions/github-script@v7
        with:
          script: |
            const fs = require('fs')
            const review = fs.readFileSync('review.md', 'utf8')
            await github.rest.issues.createComment({
              ...context.repo,
              issue_number: context.issue.number,
              body: review.slice(0, 64000)
            })
  

# 4. Open-source альтернатива: CodeReviewBot на Python

Для команд, которые не хотят отдавать код сторонним SaaS, можно собрать своего бота за 100 строк Python. Используем OpenAI-compatible API (через litellm — работает с любым провайдером) и GitHub REST API для постинга комментариев.

# review_bot.py — self-hosted AI review bot
import os, subprocess, json
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["OPENAI_API_KEY"],
    base_url="https://api.deepseek.com/v1"  # или любой compatible
)

SYSTEM_PROMPT = """Ты — senior code reviewer. Анализируй git diff.
Найди: баги, race conditions, SQL-инъекции, XSS, утечки памяти,
нарушения принципов SOLID и best practices языка.
Для каждой находки укажи: severity (critical/high/medium/low),
файл, строку, описание проблемы и предлагаемый фикс.
Формат ответа — Markdown с чекбоксами."""

def get_diff():
    # Получить diff между base и head ветками
    base = os.environ.get("GITHUB_BASE_REF", "main")
    result = subprocess.run(
        ["git", "diff", f"origin/{base}", "HEAD"],
        capture_output=True, text=True
    )
    return result.stdout[:120000]  # ~120K chars — хватит на большой PR

def review_diff(diff: str) -> str:
    resp = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": SYSTEM_PROMPT},
            {"role": "user", "content": f"Git diff:\n{diff}"}
        ],
        temperature=0.1, max_tokens=8000
    )
    return resp.choices[0].message.content

def post_comment(review: str):
    gh_token = os.environ["GITHUB_TOKEN"]
    repo = os.environ["GITHUB_REPOSITORY"]
    pr_num = json.loads(
        open(os.environ["GITHUB_EVENT_PATH"]).read()
    )["pull_request"]["number"]

    subprocess.run([
        "gh", "pr", "comment", str(pr_num),
        "--repo", repo, "--body", review
    ], check=True)

if __name__ == "__main__":
    diff = get_diff()
    if not diff.strip():
        print("No changes to review")
        exit(0)
    review = review_diff(diff)
    print(f"Review generated: {len(review)} chars")
    post_comment(review)
    print("✅ Posted to PR")
  

# 5. Практические советы: как получить максимум от AI-ревью

За два года работы с AI-ревьюерами мы вывели пять правил, которые превращают «спам-комментарии» в реально полезный фидбек:

# 6. Бенчмарки: какой AI-ревьюер точнее?

Сравнение на выборке из 200 PR из open-source проектов (Python, TypeScript, Go). Оценивали: precision (доля полезных находок), recall (доля найденных багов от всех реальных), latency. Цены актуальны на июль 2026.

▶ Вывод: Claude Code лидирует по точности, но требует ручной настройки CI. CodeRabbit и Ellipsis — лучший баланс «включил и забыл». Self-hosted решения имеют смысл при >500 PR/мес — экономия на API-запросах перекрывает стоимость поддержки.