在 Pull Request 上自动做 AI 代码审查的服务——这是 CodeRabbit 最主要的用途，也是本文讨论的前提。

下面用几组示意对比，说明同一任务里提示写法和流程不同会带来什么差别。

对比一：模糊指令 vs 明确指令

改之前：直接说「帮我代码审查」。结果往往泛泛而谈、格式随意。

改之后：写清材料、格式和验收标准：

审查这个改动，按「必须修改 / 建议修改 / 可以忽略」三级列出问题，每条附上文件和行号，重点关注安全、并发和错误处理。

变化（示意）：输出结构稳定，可以直接按「问题定位到行」检查。

对比二：一次做完 vs 分步完成

改之前：把「写技术文档」的全部要求一次塞进去。改之后：先让它给出计划或大纲，确认后再逐步完成。变化（示意）：中途发现偏差可以及时纠正，返工更少。

根据源码为这个模块写 README：用途、安装、最小示例、配置项表格和常见问题。示例代码必须能直接运行。

对比三：不检查 vs 带检查点

改之前：拿到结果直接用。改之后：每次都对照「运行步骤能实际跑通」检查，并让工具列出它不确定的地方。变化（示意）：问题在交付前被发现。

以上对比均为示意，用来说明方法差异，不代表具体的效率数字。

补充练习

补单元测试

准备材料：一个缺少测试的函数或模块。

为【函数名】编写单元测试，覆盖正常输入、边界值和异常输入，使用项目现有的测试框架，不要修改被测代码。先列测试用例再写代码。

验收标准：测试能在本地通过。

修复报错

输入：一段报错堆栈和相关代码。

这是报错信息和相关代码。请先解释报错原因，给出最小修改方案，并说明为什么这个修改不会影响其他调用方。

检查点：修改范围足够小。

小功能开发

准备材料：一个清晰的需求描述。

实现以下需求：【需求】。要求：先给出实现计划和要改动的文件列表，等我确认后再写代码；遵循现有代码风格；补充必要的测试。

验收标准：先有计划再动手。

常见问题：生成的代码引用了不存在的函数

让它先搜索代码库确认 API，再写实现；运行测试验证。

常见问题：泄露密钥的风险

把密钥放在环境变量，规则文件中禁止读取 .env 等敏感文件。

常见问题：AI 改动范围过大

要求先给计划和文件清单，限定只改指定文件。

概念补充：差异审阅

在接受 AI 修改前逐个查看 diff，是最重要的安全习惯。

概念补充：上下文索引

把代码库建立索引，让 AI 回答时能引用相关文件。

适合人群：新媒体运营

新媒体运营可以用 CodeRabbit 处理内容排期、数据复盘等工作。需要注意：活动规则与奖品说明要准确，避免诱导分享等违规玩法。

适合人群：游戏开发者

游戏开发者可以用 CodeRabbit 处理原型与素材、NPC 对话与文案等工作。需要注意：关注生成素材的授权和平台对 AI 内容的披露要求。

适合人群：设计师

设计师可以用 CodeRabbit 处理灵感与草图、多尺寸物料适配等工作。需要注意：确认生成素材与字体的商用授权，客户未公开的项目不要上传。

写在最后

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

涉及个人信息、商业机密或受监管数据时，先确认 CodeRabbit 的数据处理条款，再决定能否使用。

延伸阅读