𝗕𝗼𝘂𝘄 𝗲𝗲𝗻 𝗹𝗼𝗸𝗮𝗹𝗲 𝗔𝗜 𝗖𝗼𝗱𝗲 𝗥𝗲𝘃𝗶𝗲𝘄𝗲𝗿 𝗺𝗲𝘁 𝗢𝗹𝗹𝗮𝗺𝗮
Je CI is groen, maar oppervlakkig. Een teamgenoot kan een simpele bug missen omdat hij of zij het te druk heeft. Je kunt een tweede paar ogen bouwen met behulp van een lokale LLM.
Je kunt een TypeScript CLI maken die je staged git diff beoordeelt voordat je commit. Zo blijft je code privé. Er zijn geen API-sleutels of cloudproviders nodig.
Hoe de tool werkt:
• Haal de staged diff op met git diff --cached.
• Stuur de diff naar Ollama met een specifieke prompt.
• Vraag JSON-output aan en valideer deze met Zod.
• Print de bevindingen naar je terminal.
• Stel het in als een pre-commit hook.
Technische keuzes voor betere resultaten:
• Gebruik --no-color om ANSI-codes uit de prompt te verwijderen.
• Gebruik -U3 om drie regels context aan het model te geven.
• Zet de temperature op 0 voor deterministische resultaten.
• Gebruik een specifieke system prompt om stijl- en naamgevingsvoorkeuren te negeren.
Richt het model op logische fouten, null-access en beveiligingsproblemen. Vertel het wat het moet negeren. Een klein model vertellen wat het niet moet rapporteren, is effectiever dan vertellen wat het moet vinden.
Een praktische workflow voor lokale modellen:
• Gebruik qwen2.5-coder:7b voor je git hook.
• Gebruik qwen2.5-coder:1.5b voor snelle lokale tests.
• Blokkeer commits alleen bij bugs met een hoge ernst (high severity).
• Laat bevindingen met een gemiddelde of lage ernst adviserend zijn.
Lokale modellen zijn geen staff engineers. Ze missen complexe logica die zich over meerdere bestanden uitstrekt. Ze produceren ook false positives. Ze vangen echter wel de kleine foutjes op, zoals ontbrekende awaits of verkeerde operatoren.
Gebruik deze tool om slordige bugs te vangen voordat ze een pull request bereiken. Het bespaart je team tijd en houdt je code schoon.
Optionele leercommunity: https://t.me/GyaanSetuAi