代码审查终结者：使用 n8n 与 GPT 自动化指南摆脱手动检查

Source: Dev.to

引言

手动代码审查虽然必不可少，但成本高、速度慢且容易不一致。虽然 GitHub Copilot 的代码审查功能需要付费订阅（Copilot Pro 每月 10 美元或每年 100 美元；Copilot Pro+ 每月 39 美元或每年 390 美元），但你完全可以构建一个低成本、自动化的 AI 代码审查助手，让它免费或几乎免费运行。

工具

为什么选择 PostgreSQL（NHost）而不是 SQLite？

n8n 默认使用 SQLite，适合本地开发，但在高并发事务和可扩展性方面表现不佳。NHost 上的 PostgreSQL 实例提供稳定、可扩展的存储，同时仍然符合免费层个人项目的预算。

数据库设置与托管

基础设施遵循文章《The Ultimate Guide to Self‑Hosting n8n for Free using Render and Nhost》中描述的步骤。

步骤 1 – NHost

1. 在 NHost 上创建账户。
2. 新建项目并设置 PostgreSQL 数据库。
3. 记录生成的环境变量（后续会用到）。

步骤 2 – Render

1. 在 Render 注册并创建一个新的 Web Service。
2. 使用 Docker 镜像 n8nio/n8n:latest。
3. 将 NHost 的环境变量添加到 Render 项目设置中。
4. Render 会部署 n8n 并提供一个域名。

步骤 3 – 配置 Webhook URL

为了让 GitHub 能访问你的 n8n 实例，在 Render → Web Service → Environment Variables 中设置以下变量：

WEBHOOK_URL="https://[your-render-domain].onrender.com/"
N8N_HOST="[your-render-domain].onrender.com"
N8N_PROTOCOL="https"

所需凭证

• GitHub 访问令牌 – 生成一个拥有 repo 权限的个人访问令牌（用于读取 PR 数据和发布评论）。
• OpenAI API 密钥 – 需要一个有效的密钥；新用户可能拥有免费试用额度，但大多数人需要至少花费 5 美元以避免 insufficient_quota 错误。
• 成本控制 – 本指南使用 gpt-5-nano（最便宜的模型）以最小化 token 使用。任何能够胜任的模型都可以替换，虽然 “Mini” 系列在性能与成本之间提供了良好的平衡。

创建工作流

在 n8n 中，将以下节点拖入画布（右侧面板）：

1. GitHub Trigger – 在拉取请求事件触发。
2. HTTP Request – 获取 PR diff。
3. Code (JS) – 为 OpenAI 构建提示词。
4. OpenAI – 生成审查结果。

GitHub Trigger

1. 在 GitHub 中创建一个拥有完整 repo 权限的个人访问令牌。
2. 在 n8n 中搜索 GitHub，添加 “on a pull request” 触发节点。
3. 使用你的 GitHub 凭证配置节点并保存。
4. 节点会显示一个唯一的 Webhook URL – 将其复制用于下一步。

获取代码 Diff

触发节点在 $json.body.pull_request 中提供 PR 详情。构造用于获取变更文件的 API 端点：

{{ $json.body.pull_request.url }}/files

添加一个 HTTP Request 节点，设置为：

• 调用上述 URL。
• 使用 GitHub Access Token 凭证，设置 Authorization: Bearer <token>。

定义 AI 人设

创建一个 Code (JS) 节点，用于构建发送给 OpenAI 的提示词。示例结构：

const reviewPrompt = `
You are a Senior Software Engineer tasked with reviewing a pull request.
Provide concise, actionable feedback covering:
- Code correctness
- Security concerns
- Performance implications
- Style and best‑practice adherence
- Suggested improvements
`;

return {
  model: "gpt-5-nano",
  messages: [
    { role: "system", content: reviewPrompt },
    { role: "user", content: $json["diff"] } // 之前获取的 diff
  ]
};

根据团队规范随意自定义 reviewPrompt。

生成审查结果

添加一个 OpenAI 节点，选择最便宜且能胜任的模型（例如 gpt-5-nano），并将前面 JavaScript 节点输出的 model 与 messages 字段映射进去。该节点会返回 AI 生成的审查文本，随后可以使用另一个 GitHub 节点（如 “Create Issue Comment”）将其作为评论发布回 PR。

继续将 OpenAI 节点的输出连线到 GitHub “Create Comment” 节点，提供 PR 编号和审查文本即可。