𝗕𝘂𝗶𝗹𝗱 𝗮 𝗟𝗼𝗰𝗮𝗹 𝗔𝗜 𝗖𝗼𝗱𝗲 𝗥𝗲𝘃𝗶𝗲𝘄𝗲𝗿 𝘄𝗶𝘁𝗵 𝗢𝗹𝗹𝗮𝗺𝗮
Deine CI ist grün, aber oberflächlich. Ein Teammitglied übersieht vielleicht einen einfachen Bug, weil es beschäftigt ist. Du kannst ein zweites Paar Augen mithilfe eines lokalen LLM aufbauen.
Du kannst ein TypeScript-CLI erstellen, das deinen gestagten Git-Diff überprüft, bevor du committest. So bleibt dein Code privat. Es werden keine API-Keys und keine Cloud-Anbieter benötigt.
So funktioniert das Tool:
• Hole den gestagten Diff mit git diff --cached.
• Sende den Diff mit einem spezifischen Prompt an Ollama.
• Fordere eine JSON-Ausgabe an und validiere sie mit Zod.
• Gib die Ergebnisse in deinem Terminal aus.
• Setze es als Pre-Commit-Hook ein.
Technische Entscheidungen für bessere Ergebnisse:
• Nutze --no-color, um ANSI-Codes aus dem Prompt zu entfernen.
• Nutze -U3, um dem Modell drei Zeilen Kontext zur Verfügung zu stellen.
• Setze die Temperature auf 0 für deterministische Ergebnisse.
• Nutze einen spezifischen System-Prompt, um Stil- und Benennungspräferenzen zu ignorieren.
Konzentriere das Modell auf Logikfehler, Null-Zugriffe und Sicherheitslücken. Sag ihm, was es ignorieren soll. Einem kleinen Modell zu sagen, was es nicht melden soll, ist effektiver, als ihm zu sagen, was es finden soll.
Ein praktischer Workflow für lokale Modelle:
• Nutze qwen2.5-coder:7b für deinen Git-Hook.
• Nutze qwen2.5-coder:1.5b für schnelles lokales Testen.
• Blockiere Commits nur bei Bugs mit hohem Schweregrad (High Severity).
• Behandle Ergebnisse mit mittlerem oder niedrigem Schweregrad nur als Empfehlung.
Lokale Modelle sind keine Staff Engineers. Sie übersehen komplexe Logik, die sich über mehrere Dateien erstreckt. Zudem produzieren sie False Positives. Sie erkennen jedoch kleine Fehler wie fehlende awaits oder falsche Operatoren.
Nutze dieses Tool, um nachlässige Bugs abzufangen, bevor sie einen Pull Request erreichen. Es spart deinem Team Zeit und hält deinen Code sauber.
Optionale Lern-Community: https://t.me/GyaanSetuAi