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。

单独用一个工具往往只解决一段问题，这篇讲怎么把它和上下游工具串起来。

推荐组合：CodeRabbit + Open Interpreter

Open Interpreter 的定位是：让大模型在本地执行代码完成任务的开源项目。两者分工可以是：CodeRabbit 负责「补单元测试」这一步，Open Interpreter 负责用本地模型处理敏感部分。

工作流步骤

  1. 明确交付物和验收标准，例如：测试能在本地通过。
  2. 准备输入：一个缺少测试的函数或模块，先去掉敏感信息。
  3. 在 CodeRabbit 中执行核心步骤（提示词见下文）
  4. 把结果交给 Open Interpreter 做下一步处理，或从 Open Interpreter 取得所需材料。
  5. 人工检查关键事实与格式，记录发现的问题。
  6. 把这次用到的提示词和设置保存为模板，下次复用。

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。

检查点：测试能在本地通过。

交接时最容易出问题的地方

  • 格式不兼容：两边导入导出的格式提前测试一次。
  • 信息丢失：每次交接附上来源和版本号。
  • 责任不清：约定哪一步由谁做最终确认。
  • 权限分散：两边的账号和分享范围分别检查。

如果暂时不想引入第二个工具，也可以先用 Copilot Review 等同类产品替代其中一环，跑通流程后再决定。

补充练习

修复报错

适用情况：手头有一段报错堆栈和相关代码时。

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

适用情况：手头有一个 Pull Request 的改动时。

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。

验收标准：问题定位到行。

小功能开发

适用情况：手头有一个清晰的需求描述时。

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。

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：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：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。

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：编程智能体

能读写多个文件、运行命令并迭代修复的 AI，需要控制权限。

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。

注意事项

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。

文中提示词和示例仅作示意，实际效果取决于你的材料和 CodeRabbit 当前版本，重要内容请人工核对后再使用。

延伸阅读