Jarvis：一个多代理AI代码审查系统，自动化PR审查流程

Jarvis是一个基于Agentic AI架构的多代理代码审查系统，旨在自动化GitHub PR审查流程。它通过Planner、Coder、Reviewer、Executor四个专业代理协作，完成PR分析、问题识别、自动修复、测试生成与验证的完整流程。项目由whyankush07维护，开源于GitHub（链接：https://github.com/whyankush07/ci-jarvis），采用MIT许可证，技术栈涵盖Go、Next.js、PostgreSQL、Redis及OpenAI/Gemini API等。核心目标是解决传统代码审查中的重复性劳动、质量不一致、反馈周期长等痛点，同时保留人类开发者的最终决策权。

传统代码审查作为软件质量保证的关键环节，面临诸多挑战：

1. 重复性劳动：审查者需反复检查分号缺失、未使用变量等固定模式；
2. 边界条件遗漏：人工易忽略边缘情况与异常处理；
3. 质量不一致：不同审查者的严格程度与关注点存在差异；
4. 反馈周期长：PR提交到获得反馈可能耗时数小时甚至数天；
5. 缺乏项目上下文：审查者可能不了解项目特定架构与约定。

Jarvis通过多代理协作架构系统性解决这些问题。

Jarvis采用Agentic AI架构，由四个专业代理组成：

• Planner Agent：理解PR上下文、分解任务、制定执行策略；
• Coder Agent：生成修复代码、提供重构建议、补全功能实现；
• Reviewer Agent：检查代码标准、识别缺陷、执行编码规范；
• Executor Agent：运行测试、静态分析、验证代码可编译性、生成报告。

工作流程为：GitHub PR触发→GitHub Webhook→Redis任务队列→Go编排器协调代理→Executor验证→人工审批→更新PR。流程特点包括异步处理、并行执行、人工审批与可追溯性。

核心功能特性

• 代理式代码审查：多代理协作完成全面代码分析；
• 仓库感知智能：基于RAG技术理解项目特定代码模式（代码嵌入、相似性搜索、上下文注入）；
• 自动化测试生成：为修改代码自动生成单元/集成测试；
• 人工审批工作流：开发者可选择性接受/拒绝修改、要求重新生成；
• 审查历史记录：存储完整审查会话与决策，支持审计与学习；
• 沙箱执行：Docker容器隔离验证代码安全性；
• 可扩展架构：支持新增代理与工具集成。

技术栈详解

• 后端：Go（并发处理）、Fiber（Web框架）、PostgreSQL（持久化）、Redis（任务队列）；
• 前端：Next.js 15、TypeScript、Tailwind CSS；
• AI：OpenAI/Gemini API、向量嵌入、RAG管道；
• 基础设施：Docker、Docker Compose、GitHub Webhooks。

Jarvis的项目价值体现在：

1. 提升效率：自动化重复性审查工作，释放开发者创造性时间；
2. 保证质量：系统化流程减少人工遗漏，提升审查一致性；
3. 知识传承：RAG技术捕获项目特定模式与约定，助力团队知识沉淀；
4. 学习平台：提供Agentic AI、多代理编排、RAG等技术实践机会；
5. 开源协作：社区驱动持续改进，推动AI辅助开发工具发展。

它代表了AI在软件工程领域的务实应用，为AI辅助开发工具提供了可参考的Agentic AI架构案例。

学习价值

Jarvis为开发者提供学习现代技术的实践平台，包括：

• Agentic AI系统设计与多代理协作；
• RAG技术实现与提示工程；
• Go后端开发与分布式系统设计；
• Docker沙箱与容器化部署。

贡献机会

项目欢迎各层次贡献者：

• 文档：完善使用说明与API文档；
• 开发：前后端功能实现、新代理设计；
• AI优化：提示模板改进、代理行为优化；
• 测试与DevOps：增加测试覆盖率、改进部署流程。

开发路线图

分六个阶段：基础架构→核心代理→执行与重试→RAG集成→GitHub集成→高级功能（可观测性、性能优化等）。