经组内同学孙中夏 推荐，今天在Curve代码库试用了一个基于ChatGPT的代码review机器人，github地址：https://github.com/anc95/ChatGPT-CodeReview
具体的执行流程和算法原理我没研究，应该也研究不明白，这里就讲讲怎么在GitHub仓库上配置这个bot，以及实际的review效果如何。
部署配置
参考https://github.com/anc95/ChatGPT-CodeReview#usage这里的描述即可：
- 安装这个bot的GitHub APP
- 安装好之后，在这个APP页面点“Configure”
- 选择你要应用到的账号及代码仓库，注意你要有代码库的管理员权限
- 之后进入到代码库的主页，进入“Settings”标签
- 进入“Secrets and variables” — “Actions”
- 注意切换到“variables” tab项，再点“New repository variable”
- 填入name和value，name是“OPENAI_API_KEY”，value就是openai的key了
ps. 我用的是GitHub app方案，不是GitHub action，试了action方案没跑起来，有懂行的可以给点指导。
试用效果
尝试创建一个pull request，比如：
- Curve代码库（C++语言）：https://github.com/aspirer/curve/pull/3
- CurveAdm代码库（golang语言）：https://github.com/aspirer/curveadm/pull/1
PR创建完成后，稍等片刻，就可以看到cr-bot开始review代码了。
单就review效率来说，比人工评审代码要快太多倍了，我上面两个提交都是直接从一个分支合并到另外一个，代码改动量很大，但是cr-bot还是几分钟就搞定了，人工的话估计得好几天还不一定review的很细致。
review效果感受
大家可以自行去查看上面两个测试PR的review效果，我这里截图几个我觉得有代表意义的代码review结果。
上面这个pr，是我去年提交的（golang我只看过基本语法，第一次写实际代码，所以请忽略我粗鄙的编码），这次重新提交一下看看ChatGPT code review bot的效果，可以看出，他指出了我代码里很多问题，其中第3条，是有一个外部curve用户实际遇到过的偶发问题（执行命令卡很久才返回），我自己怎么测都跑不出来，用户那边几乎必现，后来还是组内golang高手小伙伴重构了这段代码才解决。其他几点问题也都是非常有参考价值的。
这个评审意见不需要解释，还是比较有效的。
- 配置项也能review：
增加简单功能的commit可以理解代码意图，这一点还是很不错的。
总体来说，还是有不少帮助作用的，至少可以让人工评审节省不少时间，比如bot可以辅助解释新提交代码的作用，指出常见错误，给出改进建议等。
如果配合ChatGPT的交流窗口，把有问题的代码片段再次单独交给他评审，可能会有更多的收获：
更多细节可以翻阅上面给到的两个测试PR的review记录。
不足之处
- 多次提交同样的代码，每次给出的review结果是不相同的，可能某次的评审建议是相对更合理且全面的，其他的几次不一定，或许需要多给他review几次，然后再综合几次的评审意见进行代码评估
- 无法完整的理解某个大的功能特性的设计方案和实现思路，打个形象的比方，就是组内A同学从来没有参加过功能点X的方案设计和评审工作（主要由B同学负责），然后让A同学直接去review B同学提交的代码，就有类似的效果，只能理解函数或代码片段，没有全局意识
- 个别review建议可能不一定正确，需要再进行人工判断，这一点也类似人工review，代码评审人提的建议也不一定是正确的
- 太长的新增的源文件，好像会无法评审
- 如果没有别的建议，bot会给出一堆通用建议，比如增加UT用例、lint检查、注释、log等等，这一点其实也不能说是不足吧
