Tự động hóa Code Review bằng AI trong 5 phút: Biến ChatGPT thành đồng nghiệp 'soi' code siêu đẳng!
Lê Lân
1
Hướng Dẫn Tạo Công Cụ Đánh Giá Mã Nguồn Tự Động Bằng AI Với GitHub Actions Trong 5 Phút
Mở Đầu
Bạn có bao giờ tò mò liệu một mô hình ngôn ngữ lớn (LLM) như ChatGPT có thể đánh giá mã nguồn của bạn hiệu quả đến mức nào không?
Trong bài viết này, tôi sẽ hướng dẫn bạn cách thiết lập một công cụ đánh giá mã nguồn tự động được hỗ trợ bởi AI, chỉ trong vòng 5 phút bằng cách sử dụng GitHub Actions. Công cụ này sẽ tự động phân tích những thay đổi trong pull request (PR) của bạn, gửi yêu cầu đánh giá đến ChatGPT và sau đó đăng kết quả phản hồi ngay trên PR đó. Đây là một cách tiếp cận đơn giản nhưng rất hiệu quả để tích hợp AI vào quy trình phát triển phần mềm hiện tại của bạn ngay lập tức.
Bạn sẽ tìm hiểu qua các bước chuẩn bị, cách thiết lập workflow, cũng như xem xét ví dụ mã cụ thể để áp dụng trong dự án của mình.
Yêu Cầu Tiên Quyết
Có kiến thức cơ bản về JavaScript.
Hiểu biết căn bản về GitHub Actions và cách hoạt động của pull request trên GitHub.
Có quyền truy cập để thêm secrets vào repository hoặc tổ chức GitHub của bạn.
Nếu bạn đã sẵn sàng, hãy bắt đầu ngay với ý tưởng và các bước thiết lập đơn giản bên dưới!
Ý Tưởng Chính
Tích Hợp AI Vào Quy Trình Review Code
Mục tiêu chính là tạo một workflow GitHub Actions, tự động chạy mỗi khi PR được tạo hoặc cập nhật. Workflow này sẽ:
Lấy phần thay đổi mã nguồn trong PR (changeset).
Gửi phần thay đổi này làm đầu vào cho ChatGPT qua API.
Nhận phản hồi đánh giá từ ChatGPT.
Đăng phản hồi đó trực tiếp vào PR dưới dạng bình luận để tác giả PR có thể xem và cải thiện.
Phương pháp này minh họa rõ ràng cách LLM có thể dễ dàng tích hợp vào quy trình DevOps hiện có, nâng cao chất lượng mã nguồn mà không mất nhiều công sức.
Bước 1: Lấy API Token Cho LLM
Để truy cập ChatGPT hoặc bất kỳ LLM nào thông qua API, bạn cần:
Tạo hoặc lấy API token từ nhà cung cấp dịch vụ AI (ví dụ: OpenAI).
Đảm bảo bạn có quyền thêm secret trong repo GitHub của mình.
Tiến hành thêm token vào GitHub Secrets với tên dễ nhớ, ví dụ: OPENAI_API_KEY.
Điều này giúp bạn bảo mật token, đồng thời sử dụng nó trong workflow mà không lộ thông tin.
Bước 2: Tạo GitHub Actions Workflow
Thiết Lập Workflow Cơ Bản
Tạo tệp workflow .github/workflows/llm-code-review.yml trong repo của bạn với nội dung gồm:
Kích hoạt workflow khi có pull request mới mở hoặc cập nhật code.
actions/checkout@v4: Lấy dữ liệu source code tại nhánh PR.
actions/setup-node@v4: Thiết lập môi trường Node.js (phiên bản 20).
gh pr diff: Lấy phần thay đổi trong PR dưới dạng diff.
daves-dead-simple/open-ai-action: Action giúp gọi API OpenAI và nhận kết quả.
gh pr comment: Đăng bình luận AI review lên PR.
Chỉ cần copy, dán và chỉnh sửa cho phù hợp với repo của bạn, workflow này sẽ tự động chạy và phản hồi ngay lập tức.
Bước 3: Tùy Biến và Nâng Cao
Sau khi có phiên bản workflow cơ bản, bạn có thể:
3.1. Chọn Mô Hình AI Và Nhà Cung Cấp
Cho phép người dùng tùy chỉnh:
Mô hình (ví dụ: GPT-4, GPT-3.5).
Nhà cung cấp khác ngoài OpenAI, nếu có API tương thích.
3.2. Thêm Quy Tắc Review Riêng
Bạn có thể chỉnh sửa prompt gửi cho AI để:
Yêu cầu kiểm tra các tiêu chuẩn coding cụ thể.
Nhấn mạnh bảo mật, hiệu suất, hay chuẩn hóa code.
Chỉ định các phần cần tập trung (ví dụ: logic, cấu trúc, style).
3.3. Xử Lý Kết Quả Review
Ví dụ:
Tự động tạo issues từ lỗi phát hiện.
Gửi báo cáo tóm tắt cho QA hoặc Dev Lead.
Thống kê xu hướng lỗi qua thời gian.
Kết Luận
Việc tích hợp mô hình ngôn ngữ lớn vào quy trình phát triển phần mềm chưa bao giờ dễ dàng như hiện nay. Với vài bước đơn giản và chỉ chưa đầy 5 phút, bạn có thể sở hữu một công cụ đánh giá mã nguồn tự động, giúp tăng hiệu quả kiểm thử và năng suất làm việc.
Hãy bắt đầu thử nghiệm ngay hôm nay, tùy chỉnh workflow này cho phù hợp với dự án, và trải nghiệm sức mạnh của AI trong việc nâng cao chất lượng code của bạn.