Origami404/gitea-pr-review

Fork 0

Files

T

Origami404 03a7d98669 docs: add gitea-pr-review design spec

2026-04-08 22:32:01 +08:00

7.6 KiB

Raw Blame History

gitea-pr-review 设计文档

日期: 2026-04-08
项目: gitea-pr-review
目标: 读取 Gitea PR 信息，输出 LLM 友好的 Markdown 与 JSON

1. 背景与目标

当前需求是将单个 PR 的评审上下文整理成可直接喂给在同仓库工作的 LLM 的输入文档。重点是:

评论与回复内容完整保留（最高优先级）。
保留基础 PR 元信息，尤其是分支名与 commit 列表。
提供基础 diff stat（不含完整 diff 内容）。
输出两种格式:
- markdown: 直接阅读与投喂 LLM。
- json: 结构化保真输出，便于脚本和后续处理。

2. 范围

2.1 In Scope

输入 pr_index，通过 Gitea API 拉取:
- PR 基本信息（标题、作者、状态、源/目标分支、时间）
- review 列表
- review comments（含回复）
- commit 列表
- diff stat（文件级增删统计或可等价聚合的数据）
生成 Markdown 输出，结构遵循 README.md 约定。
生成 JSON 输出，字段可追溯到源 API 实体。
处理评论正文为 Markdown 的情况，避免破坏外层文档结构。

2.2 Out of Scope

不输出完整 diff patch。
不做评论摘要、情感分析、优先级排序等“解释型加工”。
不做跨 PR 聚合。

3. 方案对比与结论

方案 A: 拉取后直接拼 Markdown

优点: 最快。
缺点: 结构易耦合；JSON 输出扩展困难；线程关系处理易混乱。

方案 B: 标准化模型 + 多格式渲染（推荐）

流程: fetch -> normalize -> render(markdown/json)
优点:
1. 采集与展示解耦。
2. 评论线程完整性规则可集中实现。
3. 便于新增输出格式或字段。
缺点: 初期代码比 A 多一层。

方案 C: 模板引擎渲染

优点: 视觉格式更可配置。
缺点: 对当前固定结构需求偏重，收益不高。

结论

采用方案 B，优先保证数据完整性与可追溯性，再做格式输出。

4. 架构设计

4.1 模块划分

cli
- 解析参数与环境变量。
- 决定输出格式与输出路径。
gitea_client
- 仅负责 API 调用与分页。
- 返回原始 DTO（与 API 字段接近）。
normalize
- 将原始 DTO 归一化为内部模型 PrReviewDocument。
- 负责线程聚合、排序、缺失值兜底。
render_markdown
- 将 PrReviewDocument 渲染为 Markdown。
render_json
- 将 PrReviewDocument 序列化为稳定 JSON。

4.2 核心数据模型（内部）

PrReviewDocument
  meta:
    repo, pr_index, pr_title, pr_state, author
    base_branch, head_branch
    created_at, updated_at, merged_at?
  commits: CommitItem[]
  diff_stat:
    files_changed, additions, deletions
    files?: FileStat[]
  reviews: ReviewItem[]
  threads: CommentThread[]

CommentThread
  thread_id
  file_path?
  line?
  root_comment: CommentItem
  replies: CommentItem[]

CommentItem.body 保存原始文本，不做语义改写。

5. 数据流与排序规则

读取输入:
- pr_index 来自命令行。
- repo/url/token 来自环境变量或参数。
拉取数据:
- PR 基本信息
- reviews
- comments（含回复关系字段）
- commits
- diff stat
归一化:
- 基于 in_reply_to / original_id 等字段聚合线程。
- 无父评论但标记为回复的异常数据，单独作为孤立线程并记录 warning。
- 统一按时间排序:
  - 线程按根评论时间升序。
  - 回复按时间升序。
渲染:
- Markdown: 面向阅读。
- JSON: 面向程序消费。

6. Markdown 输出规范

目标: 对齐 README.md 给出的基础结构，保证评论内容完整。

6.1 顶层结构

# <repo> `#<pr-index>` <pr-title>

<基本信息区>

## Commits
- <sha-short> <title> (<author>, <date>)
...

## Diff Stat
- files changed: <n>
- additions: <n>
- deletions: <n>

## Review 1 (<review-state>)
> <reviewer>

### Comment 1.1
<file>:<line>
<user>:
```md
<原始评论正文>
```

### Reply 1.1.1
<user>:
```md
<原始回复正文>
```

6.2 Markdown 正文保真策略

评论正文可能本身含 Markdown（标题、列表、代码块、引用等），为避免破坏外层结构，统一策略:

评论正文使用 fenced code block 包裹，info string 为 md。
若正文内已含三反引号，动态选择更长 fence（例如四反引号）。
不转义正文中的 Markdown 语法，不改写文本。

7. JSON 输出规范

输出为单对象，建议结构如下:

{
  "meta": {
    "repo": "Origami404/aaa",
    "pr_index": 123,
    "title": "feat: ...",
    "state": "open",
    "author": "alice",
    "base_branch": "main",
    "head_branch": "feature/x",
    "created_at": "2026-04-07T10:00:00Z",
    "updated_at": "2026-04-08T10:00:00Z",
    "merged_at": null
  },
  "commits": [
    {
      "sha": "abcdef...",
      "short_sha": "abcdef1",
      "title": "fix: ...",
      "author": "bob",
      "date": "2026-04-07T12:00:00Z"
    }
  ],
  "diff_stat": {
    "files_changed": 3,
    "additions": 120,
    "deletions": 30,
    "files": [
      {"path": "src/a.rs", "additions": 10, "deletions": 2}
    ]
  },
  "reviews": [
    {
      "id": 1,
      "state": "COMMENT",
      "reviewer": "carol",
      "submitted_at": "2026-04-08T08:00:00Z"
    }
  ],
  "threads": [
    {
      "thread_id": "t-1",
      "file_path": "src/main.rs",
      "line": 42,
      "root_comment": {
        "id": 11,
        "user": "carol",
        "created_at": "2026-04-08T08:01:00Z",
        "body": "原始 markdown 文本"
      },
      "replies": [
        {
          "id": 12,
          "user": "alice",
          "created_at": "2026-04-08T08:02:00Z",
          "body": "原始 markdown 文本"
        }
      ]
    }
  ]
}

约束:

body 保留原始字符串。
数组顺序稳定（按时间/出现顺序规则）。
字段缺失时使用 null 或空数组，不省略关键键。

8. CLI 与配置

8.1 输入

必填:
- pr_index（位置参数）
环境变量（可被参数覆盖）:
- GITEA_PR_CLI_API_TOKEN
- GITEA_PR_CLI_URL
- GITEA_PR_CLI_REPO

8.2 输出参数（新增）

--format markdown|json|both（默认 markdown）
--out <path>（单输出文件）
--out-dir <dir>（both 时用于分文件输出）

9. 错误处理策略

配置错误: 缺 token/repo/url，直接报错并退出非 0。
网络/API 错误: 明确打印 HTTP 状态码与接口路径。
数据不完整:
- 评论缺父节点: 降级为孤立线程并 warning。
- 分支或 commit 字段缺失: 输出 null 并 warning。
渲染错误: 指出是 Markdown 还是 JSON 渲染失败。

10. 测试策略

单元测试
- 线程聚合（正常链路、孤立回复、乱序输入）。
- Markdown fence 选择逻辑（三反引号冲突场景）。
- JSON 序列化稳定性（字段与顺序）。
快照测试
- 固定输入 DTO -> Markdown 输出快照。
集成测试
- 使用 mock server 覆盖分页、鉴权失败、空评论 PR。

11. 里程碑计划（高层）

M1: 完成 gitea_client + DTO。
M2: 完成 normalize 与线程规则。
M3: 完成 Markdown 渲染并对齐 README 结构。
M4: 完成 JSON 输出。
M5: 补齐测试与错误处理。

12. 验收标准

能对任意有效 PR index 输出 Markdown，且包含:
- 基础信息
- 分支名
- commit 列表
- diff stat
- review/comment/reply 完整正文
能输出 JSON 且字段完整、顺序稳定。
评论正文含 Markdown/代码块时，Markdown 总文档结构不被破坏。
关键异常路径有清晰错误信息并返回非 0。

7.6 KiB Raw Blame History Unescape Escape