Как создать AI-бота для ревью кода с Claude API и GitHub Actions

Создать AI‑бота для ревью кода за 2–3 часа реально: достаточно подключить Claude API к GitHub Actions v2, задать правила проверки и включить его в CI/CD pipeline. Бот будет анализировать каждый pull‑request, выдавать рекомендации и экономить до 30 % времени разработки.

Как настроить Claude API для ревью кода?

Для начала необходимо получить API‑ключ в сервисе Anthropic. Регистрация стоит 0,5 USD за 1 M токенов; при среднем использовании 200 000 токенов в месяц это будет около 100 USD ≈ 7 500 руб.

• 1. Зарегистрируйтесь на anthropic.com и создайте новый проект.
• 2. Сгенерируйте API‑ключ и скопируйте его в безопасное хранилище (GitHub Secrets → CLAUDE_API_KEY).
• 3. Проверьте лимиты: в 2026 году бесплатный тариф позволяет до 5 M токенов в месяц.
• 4. Настройте запрос к Claude: используйте модель claude‑2.1 с параметром max_tokens=1024 для полного анализа файлов.
• 5. Тестовый запрос: отправьте небольшой фрагмент кода и убедитесь, что ответ содержит рекомендации по стилю и безопасности.

Почему GitHub Actions v2 лучше для автоматизации ревью?

GitHub Actions v2 поддерживает параллельные задачи, кэширование контейнеров и более быструю инициализацию, что уменьшает время выполнения pipeline на 20 % по сравнению с v1.

• 1. Создайте файл .github/workflows/ai-review.yml в корне репозитория.
• 2. Укажите runs-on: ubuntu-latest и включите шаг actions/cache@v3 для кэша зависимостей.
• 3. Добавьте шаг «Call Claude», где будет выполнен curl к API с телом запроса, содержащим diff‑файлы.
• 4. Используйте артефакты GitHub для передачи результатов в виде комментариев к pull‑request.
• 5. В 2026 году GitHub предоставляет 2 000 минут бесплатных CI‑минут в публичных репозиториях, чего достаточно для небольших команд.

Что нужно подготовить в репозитории перед интеграцией?

Подготовка включает добавление скриптов, создание секретов и настройку правил ветвления, чтобы бот запускался только на новых pull‑request.

• 1. Файл review_prompt.txt с шаблоном запроса: «Проведи ревью следующего кода, укажи потенциальные баги, уязвимости и рекомендации по стилю.»
• 2. Добавьте .github/CODEOWNERS, чтобы бот комментировал только изменения в директориях src/ и lib/.
• 3. Установите секреты: CLAUDE_API_KEY, GITHUB_TOKEN (по умолчанию уже есть).
• 4. Определите список расширений файлов (.py, .js, .go), которые будет анализировать бот.
• 5. При необходимости настройте ограничение по размеру diff — не более 500 KB, иначе бот вернёт сообщение «Слишком большой запрос».

Как интегрировать бота в процесс CI/CD?

Интеграция происходит через шаг в workflow, который после успешного билда отправляет diff‑файлы в Claude и публикует результат как review‑комментарий.

name: AI Code Review
on:
  pull_request:
    types: [opened, synchronize]
jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: Get changed files
        id: files
        run: |
          git diff --name-only ${{ github.event.pull_request.base.sha }} ${{ github.sha }} > changed.txt
      - name: Call Claude API
        env:
          CLAUDE_API_KEY: ${{ secrets.CLAUDE_API_KEY }}
        run: |
          curl -X POST https://api.anthropic.com/v1/complete \
            -H "x-api-key: $CLAUDE_API_KEY" \
            -H "Content-Type: application/json" \
            -d @review_prompt.txt > review.json
      - name: Post review comment
        uses: peter-evans/create-or-update-comment@v2
        with:
          token: ${{ secrets.GITHUB_TOKEN }}
          issue-number: ${{ github.event.pull_request.number }}
          body: $(cat review.json)

• Шаг 1: checkout кода.
• Шаг 2: собрать список изменённых файлов.
• Шаг 3: отправить запрос к Claude с промптом и diff‑данными.
• Шаг 4: разместить полученный отзыв в виде комментария.

Что делать, если бот возвращает ложные позитивы?

Если в 2026 году вы заметили, что бот часто помечает корректный код как ошибочный, настройте фильтры и уточните промпт.

• 1. Добавьте в review_prompt.txt секцию «Ignore known patterns», перечислив типичные конструкции.
• 2. Установите параметр temperature=0.2 в запросе к Claude, чтобы снизить креативность и повысить точность.
• 3. Включите пост‑обработку: скрипт на Python, который удаляет сообщения, содержащие фразы «possible false positive».
• 4. Соберите метрику: за последний месяц бот выдал 150 замечаний, из них 30 % оказались ложными — это 45 ошибочных комментариев, что составляет 0,3 % от общего количества строк кода (≈150 000 строк).
• 5. На основе метрики корректируйте правила и повторно обучайте шаблон.

Воспользуйтесь бесплатным инструментом Claude API Tester на toolbox-online.ru — работает онлайн, без регистрации.