今天介紹什麼

打造自己的 GitHub Code Review Agent

為什麼要用這個？

如果有人提交 PR，有個 AI Agent 先把 PR 看過，先排除簡單的問題，就很方便，昨天我們介紹過 ADK，今天來介紹 ADK 搭配 Agent Platform（前 Vertex AI）做出 Gemini 和 Grok 的 GitHub Code Review Agent

整個架構長什麼樣子？

我們今天的目標很單純：有人在 GitHub 開了一個 PR（拉取請求，Pull Request），或是推了新的 commit，GitHub Actions 就會自動啟動，呼叫我們寫好的 ADK Agent，把改動的程式碼 diff 看過一遍，並在 PR 底下自動留言。

整套系統只需要四個檔案：

1. prompts.py：給 Agent 的 SOP 工作說明書（審查規則）。
2. tools.py：Agent 的手腳（讓它能夠讀取 diff 檔案的 Python 函式）。
3. agent.py：把模型、工具和 SOP 組裝起來的 Agent 主體。
4. run_review.py：在 CI 環境中負責呼叫 Agent、計算 Token 與成本的執行檔。

第一步：先把審查規則講清楚（prompts.py）

做審查 Agent 最忌諱的就是直接跟 AI 說「請幫我看 code」，這樣它通常只會回你一大堆廢話，甚至去挑縮排或引號。

我們要像教新人一樣，在 prompts.py 裡明確訂出「抓大放小」的原則：

REVIEW_INSTRUCTION = """
你是一位友善、有經驗的資深工程師，負責審查同事送出的程式碼變更（diff）。

## 你一定要抓出來的問題（🔴 嚴重）
- 安全問題：密碼、金鑰、Token 直接寫死在程式碼裡；SQL 注入等風險
- 會讓程式崩潰的錯誤：除以零、忘記處理 null / None、無窮迴圈
- 執行緒問題：例如在 Android 主執行緒連網

## 值得提醒的建議（🟡 建議）
- 命名看不出用途、一個函式做太多事
- 沒用到的變數、import 或註解掉的舊程式碼
- 缺少錯誤處理

## 不要管的事
- 排版、縮排、單雙引號（這些交給 linter / formatter 自動化工具）
- 純粹個人喜好的寫法

## 輸出格式（固定四段、繁體中文、400 字以內）
## 總結
## 🔴 嚴重
## 🟡 建議
## ✅ 做得好的地方（至少找一點肯定同事，語氣要鼓勵）
"""

規則寫清楚後，AI 就不會在瑣碎的排版上碎碎念，而是精準盯緊資安與系統崩潰的致命傷。

第二步：組裝 Agent 本體（agent.py）

有了規則與工具後，我們在 agent.py 裡把它們接起來。這裡還順便做了環境變數切換，看你想用 Gemini 還是 Grok 都行：

import os
from dotenv import load_dotenv
from google.adk.agents import LlmAgent
from .prompts import REVIEW_INSTRUCTION
from .tools import read_diff_file, summarize_changed_files

load_dotenv()

# 根據環境變數決定用哪個模型
def build_model():
    provider = os.getenv("MODEL_PROVIDER", "gemini").lower()
    if provider == "gemini":
        return os.getenv("GEMINI_MODEL", "gemini-3.7-flash")
    if provider == "grok":
        from google.adk.models.lite_llm import LiteLlm
        return LiteLlm(model=os.getenv("GROK_MODEL", "vertex_ai/xai/grok-4.6"))
    raise ValueError("MODEL_PROVIDER 只能是 gemini 或 grok")

root_agent = LlmAgent(
    name="code_review_agent",
    model=build_model(),
    description="閱讀程式碼 diff，找出嚴重問題與改善建議的審查助理。",
    instruction=REVIEW_INSTRUCTION,
    tools=[read_diff_file, summarize_changed_files],
)

第三步：故意埋 6 個雷來實測驗證

為了驗證我們的 Agent 到底管不管用，我們故意寫了一段包含 6 個經典錯誤的 Kotlin 程式碼（RemoteDataRepository.kt）送進去測：

1. API Key 寫死在常數裡（資安風險）。
2. 在 Flow 裡直接開連線（主執行緒連網，在 Android 會引發 ANR）。
3. cache!! 強制解包（若為 null 會丟 NullPointerException）。
4. total / list.size（空清單時會除以零）。
5. 在背景用 GlobalScope.launch（容易造成記憶體洩漏）。
6. 定義了沒用到的變數 unused。

實測 Gemini 3.7 Flash 的表現：

• 6 個地雷全部精準揪出！
• 連主執行緒連網會 ANR、建議加上 .flowOn(Dispatchers.IO) 這種 Android 深度問題都指出來了。
• 整個過程消耗約 9,800 個 Token，換算台幣成本只要 NT$0.52，性價比極高。

第四步：無縫切換 Grok 4.6（不用改程式碼）

如果想試試看 xAI 的 Grok 4.6，在 ADK 裡面只要透過 LiteLLM 轉接頭，連到 GCP 的 Agent Platform（前身 Vertex AI）即可。

最棒的是：agent.py 一個字都不用改，只要把 .env 改掉：

MODEL_PROVIDER=grok
GROK_MODEL=vertex_ai/xai/grok-4.6
VERTEXAI_PROJECT=你的GCP專案ID
VERTEXAI_LOCATION=global

實測對比兩個模型的審查風格：

• Gemini 3.7 Flash：語氣非常友善客氣，著重在怎麼改會更好，便宜又實惠（約 NT$0.52）。
• Grok 4.6：語氣非常犀利直接，除了 6 個雷全抓到，還額外抓出連線沒有關閉、金鑰被拼在 URL query 裡等細節。雖然價格高了一點（約 NT$0.92），但抓問題的角度非常刁鑽。

第五步：接上 GitHub Actions 自動化

最後一步，就是把這個工讀生搬到 GitHub 雲端上班！在專案裡建立 .github/workflows/ai-code-review.yml：

name: adk-code-review

on:
  pull_request:
    types: [opened, synchronize, reopened]
    paths-ignore:
      - "**.md"
      - "package-lock.json"

permissions:
  pull-requests: write

jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with:
          python-version: "3.12"
      
      - run: pip install -r requirements.txt

      # 抓下目前 PR 的 diff
      - env:
          GH_TOKEN: ${{ github.token }}
        run: gh pr diff ${{ github.event.pull_request.number }} > pr.diff

      # 執行我們的 ADK 審查程式
      - env:
          MODEL_PROVIDER: gemini
          GOOGLE_API_KEY: ${{ secrets.GOOGLE_API_KEY }}
        run: python run_review.py pr.diff --output review.md

      # 貼回 PR 留言（防洗版密技）
      - env:
          GH_TOKEN: ${{ github.token }}
          PR: ${{ github.event.pull_request.number }}
          REPO: ${{ github.repository }}
        run: |
          OLD_ID=$(gh api "repos/$REPO/issues/$PR/comments" --paginate \
            --jq '.[] | select(.body | startswith("<!-- ai-review:gemini -->")) | .id' | head -n1)
          if [ -n "$OLD_ID" ]; then
            gh api -X PATCH "repos/$REPO/issues/comments/$OLD_ID" -F body=@review.md
          else
            gh pr comment "$PR" --body-file review.md
          fi

這裡分享一個實戰非常實用的小技巧：
在 review.md 輸出的第一行藏一段隱藏註解（例如 <!-- ai-review:gemini -->）。當開發者修改程式碼再推新 commit 時，腳本會先查有沒有留過言；有的話直接用 PATCH 更新舊留言，沒有才新增。這樣同一個 PR 永遠只會保持最新的一則審查意見

加碼：掛載 SKILL.md 讓審查更專業

如果團隊有額外的規範（例如中文排版指北：中英文要加半形空格、專有名詞大小寫），你不需要把上百行的規範全部塞進 prompts.py。

ADK 支援動態載入技能（Skill）：

1. 在 skills/ 資料夾底下放一份 SKILL.md。
2. 在 agent.py 加上 SkillToolset。
3. Agent 在審查時，只要覺得需要，就會自己呼叫 load_skill 把整套排版規則翻開來看，審完再產出符合規範的中文審查意見。