بازبینی کد، پیش از آنکه به صف انسانی برسد
Areforge روی زیرساخت خودتان اجرا میشود. با هر push، دیف را فایلبهفایل بازبینی میکند، کامنت را روی خط تغییریافته میگذارد، ریسک را امتیاز میدهد و مصرف توکن را گزارش میکند.
کد و دیف شما از شبکهتان بیرون نمیرود — بهجز همان یک تماس با مدلی که خودتان انتخاب کردهاید.
feat: charge wallet on refund
- GitLab و GitHub
- مسیر بومی برای هر دو؛ self-hosted گیتلب مسیر اصلی تیمهای هدف ماست
- استکهای مختلف
- از استکهای مختلفی پشتیبانی میکنیم.
- یک job برای هر فایل
- بازبینی همزمان؛ خطای یک فایل مانع بقیه نیست
کد سریع. بازبینی آماده.
عاملهای کدنویس پایپلاین را با MRهای حجیم پر میکنند، سریعتر از آنکه یک سینیور بتواند بنشیند سرشان. Areforge دیف را فایلبهفایل بازبینی میکند، روی خط تغییریافته کامنت میگذارد و ریسک را امتیاز میدهد — پیش از باز شدن صف انسانی.
گلوگاه
هر MR منتظر در دسترس شدن یک انسان میماند، نه منتظر آماده بودن خودش.
کیفیت ناهمگون
کیفیت بازبینی تابع خستگی، تجربه و فشار زمانی فرد است، نه یک استاندارد ثابت.
هزینه
گرانترین منبع تیم — زمان مهندس سینیور — صرف کارهای تکراری و مکانیکی میشود.
تأخیر
چرخهی عمر MR طولانیتر میشود و ریلیز کندتر پیش میرود.
شروع کار
یک job در CI، بقیه خودکار است
در اپ ریپازیتوری را ثبت میکنید، توکن و اسنیپت آماده را میگیرید و در پایپلاین میگذارید. Areforge از همان push اول کامنت inline میگذارد.
- ۰۱
CI درخواست را میفرستد
پایپلاین با Bearer token اختصاصی ریپازیتوری، شناسهی MR و head_sha را به POST /api/v1/code-review میدهد. پاسخ فوری 202 است و کار در صف انجام میشود.
- ۰۲
فایلهای بیارزش حذف میشوند
lock file، vendor و build و dist و node_modules، migration، min.js/css، svg و snapshot کنار گذاشته میشوند. دیفهای زیر آستانه اصلاً به مدل نمیرسند.
- ۰۳
هر فایل، یک بازبینی مستقل
هر فایل یک job جداگانه در یک Batch است که همزمان اجرا میشود. مدل per-file انتخاب میشود: فایل حساس opus، دیف کوچک haiku، بقیه sonnet.
- ۰۴
کامنت روی خط دقیق، بههمراه ریسک
خروجی مدل به اسکیمای ساختیافته محدود است. در پایان یک Note روی MR میآید: پوشش بازبینی، تعداد کامنت، مصرف توکن، و نمرهی PR Risk.
ai-code-review: stage: review image: curlimages/curl:latest rules: - if: $CI_PIPELINE_SOURCE == "merge_request_event" script: - > curl -sS -X POST "$AREFORGE_URL/api/v1/code-review" -H "Authorization: Bearer $AREFORGE_TOKEN" -H "X-Repository-Id: $CI_PROJECT_PATH" -H "Content-Type: application/json" -d '{"merge_request_iid": '"$CI_MERGE_REQUEST_IID"', "source_branch": "'"$CI_MERGE_REQUEST_SOURCE_BRANCH_NAME"'", "target_branch": "'"$CI_MERGE_REQUEST_TARGET_BRANCH_NAME"'", "head_sha": "'"$CI_COMMIT_SHA"'"}' allow_failure: trueتوکن و اسنیپت نهایی هنگام ثبت ریپازیتوری در اپ ساخته میشوند و URL داخلشان پر است. نمونهی زیر همان شکل است. هدر X-Repository-Id شناسهی ریپو در خودِ گیتهاست است.
برای تنظیمات هر ریپو، یک فایل .areforge.code-review.yaml روی برنچ base بگذارید — از روی برنچ خودِ PR خوانده نمیشود تا یک PR نتواند سطح بازبینی خودش را ضعیف کند.
محصول
چهار لایهای که امروز کار میکنند
اینها roadmap نیستند. هر کدام همین حالا روی GitLab و GitHub، روی زیرساخت خودتان، اجرا میشوند.
۰۱
نقشهی زندهٔ سیستم، از روی خودِ MRها
وقتی یک تغییر چند جزء را با هم درگیر میکند، روی همان MR یک دیاگرام sequence مینشیند: این سرویس آن سرویس را صدا میزند. Reviewer مسیر همین تغییر را همانجا میبیند.
این دیاگرامها بهمرور یک flowchart واحد از ریپازیتوری میسازند. یالهایی که در MRهای بیشتری دیده شدهاند مسیرهای داغ سیستماند. دولوپر برای review و onboarding، پروداکت برای تصویر کلان همان سیستمِ واقعی — هر دو از روی مشاهدات review، روی خودِ ریپو.
نقشه در اپ، روی صفحهی ریپازیتوری. ریپوی تازه تا اولین دیاگرامها خالی میماند.
دیاگرام sequence همین MR
Mermaid، روی خود MR. فقط وقتی تعامل معناداری بین چند جزء باشد تولید میشود.
نقشهی سیستم همین ریپو
هر sequence در طول زمان به این گراف اضافه میشود. عدد روی یال، تعداد MRهایی است که همان مسیر را دیدهاند.
۰۲
نمرهی ریسک، قبل از merge
یک امتیاز ۰ تا ۱۰۰ با دلیل، بدون تماس اضافه با مدل. یافتهی critical، فایل حساس، یافتهی تکراری، تغییر بزرگ، و نبود تست — همه advisory روی خلاصهی MR میآیند، نه بهعنوان merge-gate.
میانگین ریسک و تعداد MR پرریسک در KPI تیم هم هست.
acme/billing !482
PR Risk
۶۸ / ۱۰۰
چرا این امتیاز
- یافتهی critical در مسیر پرداخت
- فایل حساس لمس شده
- هیچ فایل تستی در دیف نیست
۰۳
توکن فقط برای تغییری که ارزشش را دارد
فایل حساس (پرداخت، احراز هویت، امنیت) مدل قوی میگیرد؛ دیف کوچک مدل ارزان. فیلترهای ignore، آستانهی دیف، سقف فایل و بازبینی افزایشی جلوی هزینهی بیهوده را میگیرند.
مصرف هر فایل و هر مدل در خلاصهی MR و در داشبورد اپ ثبت میشود.
انتخاب مدل بهازای هر فایل
ReviewModelSelector
- app/Payments/ChargeWallet.php۱۴۲ خطمسیر حساس
- app/Http/Controllers/UserController.php۴۷ خطسیاست پیشفرض
- resources/js/Button.tsx۱۲ خطدیف کوچک
- opusقوی
- sonnetپیشفرض
- haikuارزان
در حال بررسیمسیر حساس۱۴۲ خط→opus
در حال بررسیسیاست پیشفرض۴۷ خط→sonnet
در حال بررسیدیف کوچک۱۲ خط→haiku
۰۴
حافظه: همان باگ را خاموش تکرار نمیکند
اگر قبلاً همین یافته را در MR دیگری گفته باشد، یک نوت «قبلاً هم گفته بودم» میچسباند. هیچوقت suppress نمیکند — باگ ممکن است هنوز باز باشد. وقتی thread را resolve کنید، پذیرش ثبت میشود.
دو سطح: همان فایل، و همان الگو در کل ریپازیتوری.
داخل حلقه بهازای هر آیتم یک کوئری به relation زده میشود. با eager loading پیش از حلقه، تعداد کوئری از N+1 به ۲ میرسد.
🔁 قبلاً هم در MR !214 گفته شده بود
قابلیتها
بقیهی چیزهایی که امروز کار میکنند
این فهرست از رفتار فعلی سرویس بیرون آمده. افزونهی IDE، CLI، linter و auto-fix هنوز در نقشهی راه هستند.
داشبورد در اپ
پوشش بازبینی، PR Risk، هزینهی توکن بهتفکیک مدل، پذیرش کامنت و یافتههای تکراری — در سطح ریپو، تیم و سازمان. Objective هم به همین متریکها وصل است.
بازبینی افزایشی
پوش دوم روی همان MR فقط دیف جدید از آخرین بازبینی کامل را میفرستد.
Stack Profile
از زبانها، فریمورکها و CMSهای مطرح پشتیبانی میکنیم؛ هر استک پروفایل بازبینی خودش را دارد.
راهنمای اختصاصی و YAML
قوانین پروژه، glob روی مسیر، و فایل .areforge.code-review.yaml — بدون امکان override کردن اصول امنیتی پایه.
زبان بازبینی
زبان کامنت را در سطح سازمان یا ریپازیتوری میگذارید. پیشفرض انگلیسی است؛ خروجی فارسی کار میکند.
سازمان، تیم، ریپازیتوری
مالکیت چندمستأجری، دعوت اعضا، و KPI در سطح ریپو / تیم / سازمان.
حاکمیت داده و امنیت
کد شما از زیرساخت شما بیرون نمیرود
برای بانکها، نهادهای دولتی و هر تیمی که منطق کسبوکارش را نمیتواند به یک SaaS خارجی بسپارد، این تفاوت اصلی است، نه یک ویژگی جانبی.
اجرا روی زیرساخت خودتان
سرویس روی همان زیرساخت و دیتابیسی که دارید بالا میآید. دیف و کامنتها جایی بیرون از شبکهی شما ذخیره نمیشوند؛ تنها تماس بیرونی، فراخوانی مدلی است که خودتان انتخاب کردهاید.
توکن هششده بهازای هر ریپازیتوری
توکن ۴۸ کاراکتری تصادفی فقط یکبار در زمان ثبت نمایش داده میشود و در دیتابیس تنها هش آن میماند. هر توکن دقیقاً به یک ریپو محدود است.
رمزنگاری در حال سکون
توکن دسترسی گیتهاست هر ریپازیتوری رمزنگاریشده ذخیره میشود و هم آن و هم هش توکن، از هر خروجی JSON پنهان هستند.
مقاوم در برابر Prompt Injection
ایجنت هیچ Tool ای ندارد و به یک قدم محدود است. حتی اگر دیف یا توضیح MR حاوی دستور مخرب باشد، مدل فقط میتواند JSON ساختیافته برگرداند.
محدودیت نرخ مشترک
سقف تماس با مدل بین همهی workerها مشترک است، پس یک MR بزرگ نمیتواند حساب مدل شما را زیر فشار بگذارد.
ردپای قابل حسابرسی
هر درخواست، هر فایل و هر کامنت در دیتابیس شما ثبت میشود: «مدرکِ اینکه بررسی انجام شده»، نه فقط کد بهتر.
کنترل هزینه
هزینهی توکن، لایهبهلایه در اختیار شماست
رقبای SaaS بر مبنای هر صندلی صورتحساب میدهند و مصرف واقعی جعبهی سیاه است. اینجا فیلترها در پیکربندی خودتان هستند و مصرف هر اجرا به شما گزارش میشود.
الگوهای نادیدهگیری
lock، generated و vendor و build و dist و node_modules، migration، min.js/css، svg، snapshot
آستانهی حداقل دیف
دیفهای کوچکتر از آستانه اصلاً به مدل نمیرسند
سقف حجم فایل
فایلهای بزرگ که احتمالاً auto-generated هستند رد و برای بازبینی دستی علامت میخورند
سقف تعداد فایل در هر اجرا
در MRهای بزرگ، بزرگترین دیفها اولویت میگیرند
انتخاب مدل per-file
فایل حساس opus، دیف کوچک haiku، بقیه sonnet — روی همان درگاه
بازبینی افزایشی
پوش دوم فقط دیف جدید از آخرین بازبینی کامل را میفرستد
ریتری بدون هزینهی دوباره
فایلی که قبلاً نتیجه گرفته، در ریتری دوباره به مدل فرستاده نمیشود
گزارش شفاف مصرف
توکن ورودی و خروجی هر فایل و هر مدل در خلاصهی MR و در داشبورد اپ ثبت میشود
چارچوب ROI
AI Cost = MR Count × Average Tokens (post-filter) × Token Price
Engineering Saving = Review Hours Saved × Senior Hourly Rate
ROI = Engineering Saving ÷ AI Cost
اعداد این فرمول با دادهی واقعی پروژهی خودتان پر میشود: مصرف واقعی provider، تعداد MR ماهانه و برآورد تیم از ساعت صرفهجوییشده. ما عدد فرضی جای شما نمیگذاریم.
مخاطب
برای تیمهایی که کدشان را نمیتوانند بیرون بفرستند
حاکمیت داده و شفافیت هزینهی توکن. برای تیمهایی که SaaS خارجی عملاً قابلخرید یا قابلاستقرار نیست.
تیمهای GitLab self-hosted
ریپوها روی گیتلب خودتان است. یک job در CI، کامنت inline روی همان Merge Request. GitHub هم مسیر اولکلاس است.
بانک، فینتک، نهاد دولتی
دیف و کامنت در شبکهی شما میماند. تنها تماس بیرونی، مدلی است که خودتان پیکربندی کردهاید.
آژانسهایی با چند استک
Laravel، Node.js، Next.js، Vue — پروفایل بازبینی برای هر کدام جداست. زبان خروجی را در سطح سازمان یا ریپو میگذارید؛ پیشفرض انگلیسی است، فارسی کار میکند.
یک اجرا
از push تا کامنت روی خط
POST /api/v1/code-review → 202 Accepted
skip composer.lock
skip database/migrations/2024_11_01_create_orders.php
review app/Services/OrderService.php · sonnet
↳ critical n+1 · line 42
↳ previously reported in MR !214
review app/Payments/ChargeWallet.php · opus
summary 7 files · 4 comments · PR Risk 68
usage recorded per file and per model
همان MR نمونهی بالای صفحه — acme/billing !482
سؤالات متداول
چیزهایی که معمولاً میپرسند
کد ما جایی بیرون میرود؟
نه. سرویس روی زیرساخت خودتان اجرا میشود و دیف، کامنتها و تاریخچه در دیتابیس خودتان میمانند. تنها تماس بیرونی، فراخوانی مدل زبانی است و انتخاب درگاه و مدل با شماست.
وقتی خودِ AI کد را مینویسد و convention پروژه را میداند، این سرویس چه فایدهای دارد؟
بخشی از این ایراد درست است: چیزهایی مثل convention و ساختار فایل، از لحظهی نوشتن رعایت میشوند. اما نویسنده با بازبینِ مستقل یکی نیست. اول، باگ منطقی و مسئلهی امنیتی و نقض قوانین کسبوکار خاص پروژه در لحظهی نوشتن دیده نمیشوند. دوم، تیمها یکدست نیستند؛ بخشی Claude Code، بخشی Cursor یا Copilot و بخشی دستی کار میکنند و بازبینی در سطح CI مستقل از ابزار، یک لایهی یکسانسازی است. سوم، مشتری سازمانی و بانکی به «مدرکِ اینکه بررسی انجام شده» نیاز دارد، نه فقط کد خوب.
جایگزین ریویوئر انسانی است؟
نه، و هدفش هم این نیست. هدف این است که یک لایهی «بازبینی دور اول» پیش از رسیدن MR به انسان قرار بگیرد تا مهندس سینیور روی معماری و منطق کسبوکار تمرکز کند، نه روی بار تکراری و مکانیکی.
روی GitHub هم کار میکند؟
بله. GitLab و GitHub هر دو مسیر اولکلاس هستند؛ اسنیپت CI برای هر کدام هنگام ثبت ریپازیتوری تولید میشود. مسیر اصلی محصول همچنان GitLab self-hosted است، چون بیشتر تیمهای هدف ما همان را دارند.
خروجی فارسی دارد؟
بله. زبان بازبینی در سطح سازمان یا ریپازیتوری تنظیم میشود. پیشفرض انگلیسی است؛ خروجی فارسی کار میکند.
چطور جلوی هزینهی بیحساب توکن گرفته میشود؟
چند لایه فیلتر پیش از رسیدن به مدل، بهعلاوهی انتخاب مدل per-file: فایل حساس مدل قوی میگیرد و دیف کوچک مدل ارزان. بازبینی افزایشی و ریتری بدون هزینهی دوباره هم هستند. مصرف واقعی هر اجرا، بهتفکیک مدل، به خودتان گزارش میشود.
پرداخت ریالی و فاکتور رسمی دارید؟
مدل فروش از ابتدا برای همین بازار است: پرداخت ریالی و فاکتور داخلی. درگاه سلفسرویس هنوز وصل نیست؛ دسترسی و صورتحساب را مستقیم با شما هماهنگ میکنیم. این همان چیزی است که رقیب خارجی نمیتواند بدهد.
راهاندازی چقدر طول میکشد؟
ریپازیتوری را ثبت میکنید، توکن CI و اسنیپت آماده را میگیرید و همان را در پایپلاین میگذارید. این مسیر برای خودسرویس بودن و کمتر از ۱۵ دقیقه طراحی شده است — وقتی به سرویس دسترسی داشته باشید.
ارتباط
کانالهایی که داریم
ایمیل، سورس روی گیتهاب، صفحهی شرکت روی لینکدین.
داخل حلقه بهازای هر آیتم یک کوئری به relation زده میشود. با eager loading پیش از حلقه، تعداد کوئری از N+1 به ۲ میرسد.
🔁 قبلاً هم در MR !214 گفته شده بود