AI Awesome
主页
发现最出色的 AI 工具
为您寻找解决任何合适 AI 方案的终极导航目录。
Search
人工智能代码审查
(58)
C
open source
check-risk
check-risk 结合仓库策略规则与可选 Jev 语义分析,为 Git 变更评分并建议检查与审核人。可作为本地 CLI 或 GitHub Action,语义模式会外发代码上下文;实时 Jev 验证仍待完成,离线结果标记不完整,风险分不是失败概率。
人工智能代码审查
P
open source
pi-jev-code
pi-jev-code 为单个 Pi 编程智能体增加 Jev 搜索排序、编辑前语义检查及基线到当前差异审核。需 Pi、Node.js 和 TypeSafe 密钥,并发送任务代码上下文;阈值仍是启发式,API 失败允许继续,最终审核发生在修改之后。
人工智能代码审查
A
open source
Ask Jev
Ask Jev 通过 Windows PowerShell 钩子,对本地 Codex 会话记录执行显式建议性审计和二元问答。请求审计会将选定记录发送到付费 TypeSafe 推理;证据有范围限制,概率不是保证,也不自动修复。
人工智能代码审查
T
open source
TypeSafe Code Guard
TypeSafe Code Guard 是 Python MCP 服务,用 Jev 排序候选文件与代码块,并提示差异中的潜在问题。需 TypeSafe 密钥,所选代码上下文发送到服务;排序和提示并非正确性证明。
人工智能代码审查
J
open source
jev-git
jev-git 是 Rust Git 扩展,通过 TypeSafe Jev 检查暂存或管道输入差异中的密钥和有害内容。需 API 密钥,会外发差异并截断大输入;推送钩子接线及链式钩子的退出处理需复查,不是完整安全门禁。
人工智能代码审查
T
unknown
Typesafe Migration Guard
Typesafe Migration Guard 将 SQL 发给 Jev,向 CI 返回安全判断,当请求所填环境为 production 且结果为 DANGER 时返回403。需显式接入流水线并信任调用方环境标签;模型判断不是数据库强制拦截,SAFE 不证明迁移无害。
人工智能代码审查
J
open source
jev-pref
将有可见证据依据的项目偏好转成可配置的代码变更语义检查,并把发现反馈给编程智能体。需要配置决策服务,不自行修复代码或替代确定性检查,模糊偏好需先转成可观察标准。
人工智能代码审查
J
open source
jev-spec
通过 Jev 判断和可配置阈值对照 Markdown 需求与代码,用于 CI 或提交检查。远程发送规格和代码上下文,目前会省略 Markdown 表格,过大目标报错,概率不能替代测试或审查。
人工智能代码审查
D
unknown
DiffJury
使用 Jev 分析公开 GitHub 拉取请求上下文,展示结构化风险和审查深度判断。需要 TypeSafe 密钥,大型差异可能被截断,不支持私有仓库,结论属于建议而非正确性保证。
人工智能代码审查
J
open source
jev-commit
检查提交说明与暂存改动是否一致,并标记调试残留或疑似凭据新增。会将审查上下文发送给 Jev,默认多数发现只警告,API 失败仍允许提交,不能可靠替代专门安全检查。
人工智能代码审查
C
open source
Clean Code Review
Clean Code Review 用 Jev 按 Clean Code 问题评估文件或公开 GitHub 差异,再由 Luna 撰写审查。浏览器和 MCP 共用模型预算与限流,每次最多覆盖24个代码文件及有限文本;跳过的文稿和生成文件不参与判断,模型意见不保证正确性。
人工智能代码审查
L
open source
Lintus
Lintus 使用 Jev 按 YAML 中的自然语言规则检查仓库文件,支持全量、变更文件和暂存文件扫描。需要 Jev API 密钥,会发送符合范围的文件内容进行概率判断;结果取决于规则措辞与阈值。
人工智能代码审查
P
unknown
patdown
按自然语言规则检查文件树的 CLI,附带可选智能体写入钩子和可替换决策后端。默认评判器向 TypeSafe 发送内容,判断可能出错,Claude 钩子集成被标注为尚待本地验证的尽力支持。
人工智能代码审查
I
open source
is-malicious
使用 Jev 检查选中的源码和配置文件中的欺骗或窃取数据行为,报告可疑位置。会将符合筛选条件的内容发送给配置的服务,不检查二进制及其他被过滤文件,不提供沙箱,干净报告不证明安全。
人工智能代码审查
P
open source
pi-review
运行隔离的只读 Pi 审查者,以可配置的评审共识整合结构化发现,并提供可选 Jev 初筛。需要 Pi 和已配置模型服务,共识只是审查信号,不证明代码正确或安全。
人工智能代码审查
E
open source
ErisLint
ErisLint 根据 JSON 规则用 Jev 判断源代码,将概率或分数转为检查警告和错误,提供 Rust CLI 及可选 VS Code 集成。实时检查需要 API 密钥并外发选定代码与上下文;概率判断需要调节阈值,不能替代编译检查。
人工智能代码审查
C
open source
Canny (qkal)
Canny 通过编程智能体钩子记录修改与检查结果,以可观察日志事实约束完成声明并标记风险模式。可选 Jev 判断提供建议而不阻断修改。需要兼容且已信任的钩子;看到检查通过不证明完整覆盖或代码正确,不同宿主能力有差异。
人工智能代码审查
J
open source
jev-lint (mizchi)
jev-lint 通过 ast-grep 选取代码,让 Jev 判断命名、注释、测试或仓库规则是否与实现矛盾,按阈值报告并支持差异和提交评审。代码会发送至 API;它补充静态工具,各语言成熟度不同,不能可靠发现所有特定 API 缺陷。
人工智能代码审查
O
open source
oxlint-plugin-jev
oxlint-plugin-jev 将针对函数、调用、JSX 或文件的自然语言问题转为概率式 Oxlint 诊断,需要 API 密钥并将所选代码发给 Jev。该实验插件会限制或截断输入;调用不可用通常不报告问题,默认 CI 亦如此,除非配置失败模式。
人工智能代码审查
C
open source
crapkit
crapkit 结合函数复杂度、测试覆盖和文件变动频率,形成代码风险清单及提交门槛,提供 JSON 和 MCP。它只读取 Git 跟踪文件,并依赖所配置测试命令产生的覆盖报告。阈值与逐步收紧规则管理既有债务,分数通过不证明功能正确。
人工智能代码审查
D
open source
DiffGate
DiffGate 对变更行应用确定性规则并分级发现,可通过编辑器、MCP 和 CI 集成对高影响改动运行配置的测试命令。可选代码图证据影响升级判断;基准结果不保证其他项目零误阻断。
人工智能代码审查
P
open source
pi-warden
pi-warden 为 Pi 编程智能体会话添加完成检查、规则提醒和动作暂扣,结合离线模式与可选 Jev 判断。需要受支持的 Pi 宿主;启用的云端功能会发送选定脱敏上下文,防护判断不保证工作安全或正确。
人工智能代码审查
S
open source
Stanley
Stanley 使用 Jev 将代码变更请求路由到有界工作流,提供可选 Pi 智能体回退和人工提升的生成工作流。当前是未发布源码,需要 Node.js 22.18+、Git 和 TypeSafe 密钥;旧 jev-code npm 占位包没有功能。
人工智能代码审查
A
open source
Abide
Abide 将仓库智能体指令转为评审规则,用 Jev 检查修改,发送规则和差异而非会话历史,再通过钩子将发现反馈给编程智能体。需要配置凭据且不内置规则;缺少密钥或网络故障会放行未检查修改,问题标记仍需复核。
人工智能代码审查
Previous
Page 1 of 3
Next