在「编程与开发」类工具里，CodeRabbit 的定位是：在 Pull Request 上自动做 AI 代码审查的服务。

这些技巧适合已经会基本操作、想进一步提效的用户。

8 条进阶用法

  1. 记录每次的输入、设置和结果，形成自己的经验库。
  2. 把「补全（Completion）」等关键设置弄清楚再调参。
  3. 给一个你满意的样例，让它模仿结构而不是复制内容。
  4. 同一任务准备 5 份测试材料，改设置后统一复测。
  5. 遇到瓶颈时，用 Qodo 做一次对照，判断是工具问题还是用法问题。
  6. 长材料分段处理，每段完成后再要一份汇总。
  7. 把固定的背景和规则保存为预设或模板，避免每次重复输入。
  8. 敏感信息用代号替换，交付前再换回。

示例：分步完成的写法

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。

交付前确认：先有计划再动手。

更多可以试的用法

写技术文档

适用情况：手头有一个模块的源码时。

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。

检查点：示例代码可运行。

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。

验收标准：修改范围足够小。

代码审查

输入：一个 Pull Request 的改动。

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。

检查点：问题定位到行。

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。

常见问题：测试全绿但功能不对

人工补充关键用例，检查测试是否真正断言了结果。

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。

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。

概念补充：MCP

让编程工具连接外部数据和工具的协议。

适合人群：研究生

研究生可以用 CodeRabbit 处理文献阅读、开题与论文写作等工作。需要注意：遵守学校学术诚信规定，AI 只用于辅助理解和润色。

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：小店老板

小店老板可以用 CodeRabbit 处理门店宣传物料、顾客评价回复等工作。需要注意：价格和活动信息以实际为准，顾客电话等信息不要随意上传。

使用提醒

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。

本文基于 CodeRabbit 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

延伸阅读