用于 PR 摘要与代码评审的 AI
提供可直接使用的提示词框架：生成 PR 摘要、识别风险、建议测试用例与回归检查清单。
用于 PR 摘要与代码评审的 AI
目的
本文提供可用于 DeepSeek、Qwen 或其他模型的提示词框架与模板，帮助生成可操作的 PR 摘要、识别风险点、建议测试用例并产出回归检查清单。
通用原则
- 提供上下文：包含 PR 标题、描述、变更文件列表与关键代码片段（或 diff 链接）。
- 明确角色：让模型扮演资深审查者或 QA 工程师。
- 要求结构化输出：列点、风险等级、以及简短的测试建议。
- 控制输出规模：设置最大项数（例如“Top 5 风险”）与输出格式。
提示词框架
1）PR 摘要与影响评估
模板：
“你是资深代码审查员。请用 3–5 条要点总结该 PR：包含意图、关键变更（文件/函数）、行为变更及整体影响。将结果输出为名为 ‘Summary’ 的要点列表。”
可在后续添加：文件清单与 3–4 段代码片段或 diff。
2）风险识别（Top N）
模板：
“扮演一名关注安全的资深工程师。基于该 PR 的上下文，列出前 5 个潜在风险。每项给出：（a）一句话描述、（b）严重性（低/中/高）、（c）一行缓解或检查建议。以编号列表输出。”
3）测试建议与验收标准
模板：
“你是 QA 工程师。为下述 PR 提出最多 8 个测试用例（单元/集成/边界）。每个用例包含：测试名称、简短描述、复现步骤、预期结果。输出 JSON 数组或编号列表。”
4）回归检查清单
模板：
“为该 PR 生成简洁的回归检查清单，覆盖功能、性能、安全与向后兼容性。每项附带通过/不通过的判定标准。最多 10 项。”
5）代码评审注释（聚焦建议）
模板：
“作为资深评审，关注可读性、性能与可维护性。对每个变更文件给出最多 3 条内联建议（格式：文件:行号范围 — 建议 — 理由）。保持建议简短可执行。”
实用示例（合并流程）
“你是资深审查员兼 QA 负责人。基于 PR 标题、描述、变更文件与关键代码片段：1) 生成 4 条 PR 摘要；2) 列出前 5 个风险并给出缓解；3) 提出 6 个测试用例（含步骤与预期）；4) 输出 6 项回归清单。请按标题区分段落：SUMMARY、RISKS、TESTS、REGRESSION_CHECKLIST。”
使用建议
- 对大 diff 做分块处理：优先提交关键文件或片段而非完整大 diff。
- 使用检索能力：链接到代码搜索或具体函数以增强结果可靠性。
- 控制详细度：快速筛查时要求短要点，交付给 QA 时请求详细步骤。
- 验证输出：生产相关建议必须由人工核查，尤其是安全/权限相关内容。
可复制提示模板
- PR 摘要：
你是资深代码审查员。用 3–5 条要点总结该 PR：意图、关键变更、行为变化、影响。
PR 标题：<title>
PR 描述：<description>
变更文件：<fileA>, <fileB>, ...
代码片段：<snippet 1> ...- Top 5 风险：
扮演关注安全的资深工程师。列出该 PR 的前 5 个风险。每项包含描述、严重性（低/中/高）、与缓解建议。
上下文：<paste short context or link>- 测试用例（JSON）：
你是 QA 工程师。返回最多 8 个测试用例的 JSON 数组，字段：name、description、steps（数组）、expected。
上下文：<paste description and key snippets>何时使用哪种模型
- 快速筛查/高并发：使用优化过的低成本高吞吐模型。
- 深度推理/安全检查：优先使用在链式推理与可解释性上表现更稳定的模型。
结语
这些框架适用于任何 LLM 平台。以简洁、结构化的请求开始，并根据观察到的输出逐步迭代提示。对生产变更，始终保留人工复核流程。