Codium-ai PR-Agent 本地部署与使用指南
前言
Codium-ai PR-Agent 是一款基于人工智能的代码审查助手,能够帮助开发团队自动化处理 Pull Request 的审查工作。本文将详细介绍如何在本地环境中部署和使用 PR-Agent,包括 Docker 方式、pip 包安装以及源码运行三种方法。
准备工作
在开始部署前,您需要准备以下两个关键凭证:
-
OpenAI API 密钥:需要具备 GPT-4 或 gpt-3.5-turbo 模型的访问权限。如果您希望使用其他语言模型,也可以准备相应平台的 API 密钥。
-
Git 平台个人访问令牌:根据您使用的 Git 平台(GitHub、GitLab、BitBucket 或 Gitea),需要生成具有仓库访问权限的个人访问令牌。
使用 Docker 运行 PR-Agent
Docker 是最简单快捷的部署方式,适合大多数用户。以下是针对不同 Git 平台的运行命令示例:
GitHub 平台
docker run --rm -it \
-e OPENAI.KEY=<您的OpenAI密钥> \
-e GITHUB.USER_TOKEN=<您的GitHub令牌> \
codiumai/pr-agent:latest \
--pr_url <PR链接> review
如果是企业版 GitHub,需要额外指定 API 地址:
-e GITHUB.BASE_URL=https://github.mycompany.com/api/v3
GitLab 平台
docker run --rm -it \
-e OPENAI.KEY=<您的OpenAI密钥> \
-e CONFIG.GIT_PROVIDER=gitlab \
-e GITLAB.PERSONAL_ACCESS_TOKEN=<您的GitLab令牌> \
codiumai/pr-agent:latest \
--pr_url <PR链接> review
自托管 GitLab 实例需要指定 URL:
-e GITLAB.URL=<您的GitLab实例地址>
环境变量配置文件
为了简化配置,您可以创建一个 .env 文件:
CONFIG__GIT_PROVIDER="gitlab"
GITLAB__URL="<您的URL>"
GITLAB__PERSONAL_ACCESS_TOKEN="<您的令牌>"
OPENAI__KEY="<您的密钥>"
然后通过以下命令运行:
docker run --rm -it --env-file .env codiumai/pr-agent:latest <工具> <工具参数>
使用 pip 包安装
对于 Python 开发者,可以通过 pip 直接安装 PR-Agent:
pip install pr-agent
安装后,可以通过以下 Python 脚本使用:
from pr_agent import cli
from pr_agent.config_loader import get_settings
def main():
# 配置参数
provider = "github" # 可选: github/gitlab/bitbucket/azure_devops
user_token = "您的Git令牌"
openai_key = "您的OpenAI密钥"
pr_url = "PR链接"
command = "/review" # 支持/review, /describe, /ask等命令
# 设置配置
get_settings().set("CONFIG.git_provider", provider)
get_settings().set("openai.key", openai_key)
get_settings().set("github.user_token", user_token)
# 执行命令
cli.run_command(pr_url, command)
if __name__ == '__main__':
main()
从源码运行
对于需要自定义开发的用户,可以从源码运行:
- 克隆仓库并安装依赖:
git clone <仓库地址>
cd pr-agent
pip install -e .
- 配置密钥文件:
cp pr_agent/settings/.secrets_template.toml pr_agent/settings/.secrets.toml
chmod 600 pr_agent/settings/.secrets.toml
# 编辑.secrets.toml文件
- 运行各种命令:
python3 -m pr_agent.cli --pr_url <PR链接> review
python3 -m pr_agent.cli --pr_url <PR链接> ask "您的问题"
python3 -m pr_agent.cli --pr_url <PR链接> describe
常见问题解决
-
Docker 运行错误:大多数情况下是由于 API 密钥或令牌配置错误导致。请仔细检查:
- OpenAI API 密钥是否正确
- Git 平台令牌是否具有足够权限
- 如果是企业版,URL 配置是否正确
-
Rust 相关错误:在从源码安装时,如果遇到 Rust 相关错误,需要先安装 Rust 工具链。
-
模型切换问题:如果需要使用 Azure OpenAI 或其他语言模型,需要额外配置相关参数。
总结
Codium-ai PR-Agent 提供了多种灵活的部署方式,无论是通过 Docker 快速体验,还是通过 pip 包集成到现有 Python 项目,亦或是从源码进行二次开发,都能满足不同用户的需求。通过本文的指导,您应该能够顺利地在本地环境中部署和使用这款强大的代码审查助手。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00