在 GitHub Actions 中集成 Taotoken 大模型 API 实现自动化代码审查

在团队协作或开源项目中，每次代码提交都可能引入风格不一致、潜在缺陷或可优化的模式。传统的人工审查耗时耗力，而完全自动化的静态分析工具又难以理解代码的语义和设计意图。借助大模型的代码理解与生成能力，我们可以构建一个智能助手，在 CI 流程中自动对变更集进行评审。Taotoken 作为大模型聚合分发平台，其 OpenAI 兼容的 HTTP API 使得集成过程与直接使用 OpenAI SDK 无异。你

yang lebron

92人浏览 · 2026-05-26 12:04:08

yang lebron · 2026-05-26 12:04:08 发布

🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度

在 GitHub Actions 中集成 Taotoken 大模型 API 实现自动化代码审查

为代码仓库引入自动化审查能力，可以帮助团队在持续集成流程中快速发现潜在问题。通过 Taotoken 平台提供的统一 API，开发者可以便捷地将大模型能力集成到 GitHub Actions 工作流中，对拉取请求中的代码变更进行分析并提供建议。

1. 场景与方案概述

在团队协作或开源项目中，每次代码提交都可能引入风格不一致、潜在缺陷或可优化的模式。传统的人工审查耗时耗力，而完全自动化的静态分析工具又难以理解代码的语义和设计意图。借助大模型的代码理解与生成能力，我们可以构建一个智能助手，在 CI 流程中自动对变更集进行评审。

Taotoken 作为大模型聚合分发平台，其 OpenAI 兼容的 HTTP API 使得集成过程与直接使用 OpenAI SDK 无异。你无需为每个模型供应商单独处理密钥和端点，也无需担心因访问策略变动导致的流程中断。平台统一的计费与用量看板也让团队可以清晰地管理此项成本。

2. 准备工作与密钥管理

在开始编写工作流之前，需要在 Taotoken 控制台完成必要的准备工作。

首先，登录 Taotoken 平台，在 API 密钥管理页面创建一个新的密钥。这个密钥将用于在 GitHub Actions 中认证你的请求。出于安全考虑，切勿将密钥明文写入仓库代码或工作流文件中。

GitHub 提供了加密 Secret 的功能，用于安全地存储敏感信息。你需要在仓库的 Settings -> Secrets and variables -> Actions 页面，添加一个新的 Repository Secret。可以将其命名为 TAOTOKEN_API_KEY，并将刚才在控制台创建的 API 密钥粘贴为值。

其次，确定你要使用的模型。前往 Taotoken 的模型广场，浏览可用的模型列表。每个模型都有一个唯一的 ID，例如 claude-sonnet-4-6 或 gpt-4o。选择适合代码分析与生成任务的模型，并记下其 ID，后续将在脚本中引用。

3. 编写代码审查脚本

我们将创建一个 Python 脚本，作为 GitHub Actions 任务的核心。这个脚本的主要职责是：获取拉取请求的代码变更，调用 Taotoken API 进行分析，并将结果以评论的形式提交到 PR。

以下是一个基础示例脚本 review_pr.py 的框架：

import os
import sys
import requests
import subprocess
from typing import List, Dict

# 从环境变量获取密钥和模型
TAOTOKEN_API_KEY = os.getenv('TAOTOKEN_API_KEY')
TAOTOKEN_MODEL = os.getenv('TAOTOKEN_MODEL', 'claude-sonnet-4-6')  # 默认模型
TAOTOKEN_BASE_URL = 'https://taotoken.net/api/v1'

def get_diff() -> str:
    """获取当前 PR 的代码差异。"""
    # 这里简化处理，实际可根据 GitHub 事件负载或 git 命令获取 diff
    # 例如：subprocess.run(['git', 'diff', 'HEAD~1'], capture_output=True, text=True).stdout
    # 为示例清晰，我们返回一个模拟的 diff
    return """
diff --git a/example.py b/example.py
index 7898192..a1b2c3d 100644
--- a/example.py
+++ b/example.py
@@ -1,5 +1,7 @@
 def calculate_sum(numbers):
-    total = 0
-    for num in numbers:
-        total = total + num
-    return total
+    if not numbers:
+        return 0
+    total = 0
+    for num in numbers:
+        total += num  # 使用复合赋值运算符
+    return total
"""

def call_taotoken_api(diff_content: str) -> str:
    """调用 Taotoken 聊天补全 API 分析代码差异。"""
    headers = {
        'Authorization': f'Bearer {TAOTOKEN_API_KEY}',
        'Content-Type': 'application/json',
    }
    payload = {
        'model': TAOTOKEN_MODEL,
        'messages': [
            {
                'role': 'system',
                'content': '你是一个资深的代码审查助手。请分析提供的代码差异（git diff），指出潜在的问题、风格不一致、性能隐患或可读性改进建议。请以友好、建设性的语气回复，并聚焦于具体的代码行。'
            },
            {
                'role': 'user',
                'content': f'请审查以下代码变更：\n\n{diff_content}'
            }
        ],
        'temperature': 0.2,
        'max_tokens': 1000
    }
    try:
        response = requests.post(
            f'{TAOTOKEN_BASE_URL}/chat/completions',
            headers=headers,
            json=payload,
            timeout=30
        )
        response.raise_for_status()
        result = response.json()
        return result['choices'][0]['message']['content']
    except requests.exceptions.RequestException as e:
        return f"调用 API 失败: {e}"

def main():
    if not TAOTOKEN_API_KEY:
        print("错误: 未设置 TAOTOKEN_API_KEY 环境变量。")
        sys.exit(1)

    diff = get_diff()
    if not diff or diff.isspace():
        print("未检测到有效的代码变更，跳过审查。")
        return

    print("正在调用 Taotoken API 进行代码分析...")
    review_comment = call_taotoken_api(diff)
    print("分析完成。")
    print("\n--- 审查建议 ---")
    print(review_comment)
    # 在实际应用中，这里可以调用 GitHub API 将 review_comment 提交为 PR 评论
    # 例如使用 `github` PyGithub 库或 REST API

if __name__ == '__main__':
    main()

这个脚本展示了核心逻辑。在实际应用中，你需要完善 get_diff 函数以真实获取 PR 的差异，并集成 GitHub SDK 来发布评论。注意，API 请求的 URL 使用了 OpenAI 兼容的端点格式。

4. 配置 GitHub Actions 工作流

接下来，在仓库的 .github/workflows 目录下创建一个 YAML 文件，例如 ai-code-review.yml。

name: AI Code Review

on:
  pull_request:
    types: [opened, synchronize, reopened]

jobs:
  review:
    runs-on: ubuntu-latest
    permissions:
      contents: read
      pull-requests: write # 需要此权限才能发布评论
    steps:
      - name: Checkout code
        uses: actions/checkout@v4
        with:
          fetch-depth: 0 # 获取完整历史以计算 diff

      - name: Set up Python
        uses: actions/setup-python@v5
        with:
          python-version: '3.10'

      - name: Install dependencies
        run: |
          python -m pip install --upgrade pip
          pip install requests

      - name: Run AI Code Review
        env:
          TAOTOKEN_API_KEY: ${{ secrets.TAOTOKEN_API_KEY }}
          TAOTOKEN_MODEL: 'claude-sonnet-4-6' # 或从 Secrets 读取
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }} # 用于发布评论
        run: |
          python review_pr.py > review_output.txt
          # 此处应接续处理 review_output.txt 并调用 GitHub API 发布评论的脚本
          # 例如使用 `gh pr comment` 或 PyGithub

这个工作流会在 PR 被创建、更新或重新打开时触发。它配置了必要的环境变量，包括从仓库 Secrets 中注入的 TAOTOKEN_API_KEY。请注意，你需要一个具有写入权限的 GITHUB_TOKEN 来发布评论，这通常由 Actions 自动提供。