你想让 AI 自动检查你提交的代码，并在 GitHub 的 Pull Request 里直接给出评论吗？以前这需要付费的服务，但现在你可以用开源工具自己搭建，完全免费，而且代码不会上传到云端，保护隐私。本文带你一步步从零开始，学会安装 Ollama（一个让你在本地运行大模型的工具）和 Reviewdog（一个把检查结果发到 GitHub 评论的工具），最后跑通你的第一次 AI 代码审查。

准备环境

• 一台能联网的电脑（Windows、macOS 或 Linux 都可以）。如果要用大模型做深度审查，建议有至少 8GB 显存的显卡（没有也能跑，但会慢一些）。
• 一个 GitHub 账号，并且有一个你可以自由提交 Pull Request 的仓库。
• 基本的命令行操作能力（打开终端，执行命令）。

安装 Ollama 并下载模型

1. 打开浏览器，访问 ollama.com，下载对应你操作系统的安装包。
2. 安装完成后，打开终端（命令行窗口），输入 ollama serve 启动服务。保持这个窗口开着。
3. 再开一个终端窗口，输入 ollama pull qwen2.5-coder:7b 下载一个适合代码审查的模型（7B 参数，普通电脑也能跑）。如果电脑配置好，可以换成 qwen2.5-coder:32b 效果更好。下载需要几分钟到十几分钟。
4. 验证安装：输入 ollama run qwen2.5-coder:7b，然后随便问一句“写一个 Python 的 hello world”，如果模型能回答，就成功了。输入 /bye 退出。

配置 Reviewdog 并写一个简单的审查脚本

1. 在 GitHub 上打开你的仓库，点击“Settings” -> “Actions” -> “General”，确保“Allow GitHub Actions”是开启的。
2. 在仓库根目录创建文件夹 .github/workflows，在里面新建文件 code-review.yml。
3. 把下面的内容复制进去（这是一个 GitHub Actions 工作流，每次 Pull Request 时自动运行）：

   name: AI Code Review
   on:
     pull_request:
       types: [opened, synchronize]
   jobs:
     review:
       runs-on: ubuntu-latest
       steps:
         - uses: actions/checkout@v4
         - name: Install Ollama
           run: |
             curl -fsSL https://ollama.com/install.sh | sh
             ollama serve &
             sleep 5
             ollama pull qwen2.5-coder:7b
         - name: Run Reviewdog
           uses: reviewdog/action-setup@v1
           with:
             reviewdog_version: latest
         - name: Run AI Review
           env:
             REVIEWDOG_GITHUB_API_TOKEN: ${{ secrets.GITHUB_TOKEN }}
           run: |
             git diff origin/${{ github.base_ref }}...HEAD > diff.txt
             python3 -c "
   import subprocess, json
   diff = open('diff.txt').read()
   prompt = f'Review this git diff and list issues as JSON array with objects having \"severity\" (INFO/WARNING/ERROR), \"message\", and \"file\". Diff: {diff}'
   result = subprocess.run(['ollama', 'run', 'qwen2.5-coder:7b', prompt], capture_output=True, text=True)
   comments = json.loads(result.stdout)
   for c in comments:
       print(f'{c[\"file\"]}:{c.get(\"line\", 1)} {c[\"severity\"]} {c[\"message\"]}')
   " | reviewdog -f=rdjsonl -name=\"AI Reviewer\" -reporter=github-pr-review

4. 保存文件，提交并推送到 GitHub 仓库的默认分支（比如 main）。

验证是否成功

• 在仓库里创建一个新分支，修改一个代码文件（比如加个明显的 bug），然后提交 Pull Request。
• 等几分钟，打开 Pull Request 页面，你应该能看到 AI 的评论出现在“Files changed”标签页里。如果没看到，可以点击“Actions”标签查看工作流运行日志，排查错误。
• 常见坑：如果模型输出不是 JSON 格式，脚本会报错。你可以先手动运行一次 ollama run qwen2.5-coder:7b 测试一下它的输出风格。

下一步可以做什么

• 换成更强的模型：把 qwen2.5-coder:7b 换成 qwen2.5-coder:32b（需要更好显卡）。
• 调整审查规则：修改脚本中的 prompt，让 AI 只检查特定类型的错误。
• 加上传统静态检查：在同一个工作流里添加 ESLint 或 Pylint，与 AI 互补。