Codex 循环两小时不动手？用 Claude 写个「自动代码审查机器人」替代它
Codex 循环两小时不动手？用 Claude 写个「自动代码审查机器人」替代它
你有没有遇到过这种情况：
把一个任务丢给 AI Coding 工具，它开始「分析代码」「读取文件」「理解上下文」……然后一直转，一直转，两个小时过去了，一行代码没写。
V2EX 今天就有人吐槽 Codex 的 spark 模型：循环了两个钟头的看源码+compact 就是不动手。
这不是个例。很多 AI Coding 工具在面对「审查整个 repo」这类任务时，会陷入无限的「思考」循环——因为它们试图一次性理解所有东西，反而什么都做不了。
解法其实很简单：自己写一个轻量的代码审查脚本，把任务拆小，让模型每次只看一个文件。
思路：分而治之，而不是一口吞
核心逻辑：
1. 遍历 repo 里所有 .py / .ts / .js 文件
2. 每个文件单独发给模型，让它只做一件事：找问题
3. 把所有结果汇总成一份 Markdown 报告
这样每次调用上下文可控，模型不会「迷失」，也不会循环。
完整代码（Python，可直接运行）
#!/usr/bin/env python3
"""
repo_review.py — 自动代码审查脚本
用法: python repo_review.py ./your-project
"""
import os
import sys
from pathlib import Path
from openai import OpenAI
# 改一行 base_url，直连国内，比官方省 60%
client = OpenAI(
api_key=os.environ.get("OPENAI_API_KEY", "your-api-key-here"),
base_url="https://api2everything.xyz/v1",
)
# 支持审查的文件类型
SUPPORTED_EXTENSIONS = {".py", ".ts", ".js", ".go", ".java", ".rs"}
# 单文件最大字符数（避免超出上下文）
MAX_FILE_CHARS = 8000
REVIEW_PROMPT = """你是一个资深代码审查工程师。请审查以下代码，重点关注：
1. 潜在的 Bug 或逻辑错误
2. 安全漏洞（SQL 注入、未校验输入等）
3. 性能问题
4. 代码可读性和命名规范
文件名: {filename}
{code}
请用简洁的 Markdown 列表输出问题，每条问题注明行号（如果能判断）。
如果代码没有明显问题，直接回复「✅ 无明显问题」。
不要重复代码内容，只输出审查结论。"""
def get_files_to_review(repo_path: str) -> list[Path]:
"""递归获取所有需要审查的文件"""
root = Path(repo_path)
files = []
# 跳过这些目录
skip_dirs = {".git", "node_modules", "__pycache__", ".venv", "dist", "build"}
for path in root.rglob("*"):
if any(skip in path.parts for skip in skip_dirs):
continue
if path.is_file() and path.suffix in SUPPORTED_EXTENSIONS:
files.append(path)
return sorted(files)
def review_file(file_path: Path) -> dict:
"""审查单个文件，返回结果"""
try:
content = file_path.read_text(encoding="utf-8", errors="ignore")
except Exception as e:
return {"file": str(file_path), "result": f"❌ 读取失败: {e}"}
# 文件太大就截断，避免超出上下文
if len(content) > MAX_FILE_CHARS:
content = content[:MAX_FILE_CHARS] + "\n\n... [文件过长，已截断]"
if not content.strip():
return {"file": str(file_path), "result": "⏭️ 空文件，跳过"}
try:
response = client.chat.completions.create(
model="claude-3-5-sonnet-20241022", # 也可以换成 gpt-4o / deepseek-chat
messages=[
{
"role": "user",
"content": REVIEW_PROMPT.format(
filename=file_path.name,
code=content
)
}
],
max_tokens=1024,
temperature=0.2, # 审查任务用低温度，输出更稳定
)
result = response.choices[0].message.content
except Exception as e:
result = f"❌ API 调用失败: {e}"
return {"file": str(file_path), "result": result}
def generate_report(reviews: list[dict], repo_path: str) -> str:
"""生成 Markdown 格式的审查报告"""
lines = [
f"# 代码审查报告",
f"\n**项目路径**: `{repo_path}`",
f"**审查文件数**: {len(reviews)}",
"\n---\n",
]
issues_found = 0
for review in reviews:
lines.append(f"## 📄 `{review['file']}`\n")
lines.append(review["result"])
lines.append("\n---\n")
if "✅" not in review["result"] and "⏭️" not in review["result"]:
issues_found += 1
lines.insert(3, f"**发现问题的文件数**: {issues_found}\n")
return "\n".join(lines)
def main():
if len(sys.argv) < 2:
print("用法: python repo_review.py <repo路径>")
sys.exit(1)
repo_path = sys.argv[1]
if not os.path.isdir(repo_path):
print(f"错误: {repo_path} 不是有效目录")
sys.exit(1)
files = get_files_to_review(repo_path)
print(f"找到 {len(files)} 个文件，开始审查...\n")
reviews = []
for i, file_path in enumerate(files, 1):
print(f"[{i}/{len(files)}] 审查: {file_path}")
review = review_file(file_path)
reviews.append(review)
report = generate_report(reviews, repo_path)
output_file = "review_report.md"
Path(output_file).write_text(report, encoding="utf-8")
print(f"\n✅ 审查完成！报告已保存到: {output_file}")
if __name__ == "__main__":
main()
运行方式
# 安装依赖
pip install openai
# 设置 API Key（用无量Api的 key）
export OPENAI_API_KEY="sk-your-key-here"
# 审查你的项目
python repo_review.py ./your-project
几分钟后，当前目录会生成一份 review_report.md，每个文件的问题一目了然。
几个值得注意的细节
为什么不用流式输出？ 审查任务需要完整结果再汇总，流式在这里反而增加复杂度。
模型选哪个？ 代码审查推荐 claude-3-5-sonnet 或 gpt-4o，理解能力强。如果只是快速扫描，deepseek-chat 性价比极高，速度也快。
文件截断会不会漏掉问题？ 会。超过 8000 字符的文件建议手动拆分，或者把 MAX_FILE_CHARS 调大（注意对应模型的上下文限制）。
temperature 为什么设 0.2？ 审查是分析任务，不需要创意，低温度让输出更稳定、更少幻觉。
关于 API 费用
这个脚本每审查一个中等大小的文件大概消耗 1000-2000 tokens。一个 50 个文件的项目，用 Claude Sonnet 大概花 ¥0.5 左右。
如果你直接用官方 API，同样的调用要贵将近 3 倍。我现在用的是 无量Api，国内直连，支持 OpenAI / Claude / Gemini / DeepSeek 等 300+ 模型，比官方便宜 65%，注册还送 ¥1 余额。接入方式就是改一行 base_url，其他代码完全不用动——脚本里已经写好了。
遇到问题欢迎评论区留言，比如「某类文件审查结果不准」「想加入自动 PR comment 功能」这些我都可以继续写。
觉得有用的话点个赞，下次继续写 AI 工具实战。