可本地运行开源大模型实现离线代码审查：部署轻量模型（如qwen2.5-0.5b）、集成结构化提示词、绑定vs code插件、配置git pre-commit钩子拦截高危提交，并通过tree-sitter实现函数级上下文感知分析。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望在本地运行大模型辅助代码审查，避免将敏感代码上传至云端，则可借助开源大模型与轻量级工具链实现离线静态分析。以下是实现此目标的具体路径：
一、部署本地轻量化大模型
选择参数量适中、支持消费级显卡推理的开源模型，确保其能在本地设备完成加载与响应，兼顾推理速度与语义理解能力。
1、从Hugging Face下载Qwen2.5-0.5B-Instruct或Phi-3-mini-4k-instruct模型权重文件。
2、使用Ollama工具执行ollama create my-code-review -f Modelfile构建自定义模型服务镜像。
3、运行ollama run my-code-review启动本地模型服务，监听http://127.0.0.1:11434端点。
二、集成代码审查提示词模板
通过结构化提示词约束模型输出格式与关注维度，使其聚焦于安全漏洞、空指针风险、资源泄漏及编码规范四类问题。
1、编写JSON格式提示模板，包含language、file_path、code_snippet三个输入字段。
2、在模板末尾强制要求模型以{"issues":[{"line":xx,"severity":"high","message":"..."},...]}格式返回结果。
3、将该模板保存为review_prompt.json并置于项目根目录下。
三、绑定IDE插件实现实时调用
利用VS Code扩展机制，在编辑器内部触发本地模型请求，使审查动作嵌入开发流程，无需切换上下文。
1、安装CodeLLDB与REST Client两个官方扩展。
2、在.vscode/settings.json中添加"rest-client.defaultHeaders"配置，指定Content-Type: application/json。
3、创建review.http文件，写入POST请求体，引用当前打开文件内容并调用http://127.0.0.1:11434/api/chat接口。
四、构建Git钩子自动拦截高危提交
在代码推送前执行轻量级模型扫描，对检测出严重等级为critical或high的问题阻断提交流程。
1、在项目根目录执行git init后进入.git/hooks/目录。
2、新建pre-commit文件，赋予可执行权限chmod +x pre-commit。
3、在脚本中调用Python脚本遍历暂存区所有.py和.js文件，逐个发送至本地模型服务进行审查。
4、若任一响应中severity字段值为high或critical，则输出<strong><font color="green">检测到高危问题，请修正后再提交</font></strong>并退出状态码1。
五、配置上下文感知的函数级分析策略
避免整文件无差别扫描带来的噪声，仅提取被修改函数及其依赖函数的AST片段送入模型，提升定位精度与响应效率。
1、使用tree-sitter解析Git diff输出，识别变更行所属函数名及起始行号。
2、调用tree-sitter parse命令提取该函数完整节点，并递归获取其调用链中所有function_definition节点。
3、将拼接后的代码块连同语言标识、函数签名说明一并构造为模型输入，确保<strong><font color="green">模型仅看到最小必要上下文</font></strong>。
