用 AI 审阅 GitHub PR 并记录到 PostgreSQL 与 Slack

GitHub Webhook 触发 → 获取 PR 变更文件与 diff → 提取并结构化代码变更 → 评分与分级 → 按严重程度路由 → 回写 GitHub PR 评论 → 存入 PostgreSQL → Slack 通知

给谁

需要自动化代码审阅的软件开发团队或 DevOps 工程师

你会得到

PR 创建或更新时自动触发，提取 diff，生成评分与分级，回写 GitHub 评论，存入数据库并推送 Slack 摘要

你需要

n8n · GitHub · PostgreSQL · Slack

步骤

1. 触发 PR 检测

   在 n8n 中配置 GitHub Webhook 节点，监听 pull_request 事件（opened、synchronize、reopened、ready_for_review）。可选添加 Filter 节点以忽略草稿 PR、dependabot PR 或特定分支。支持手动触发用于测试。

2. 获取并分析代码

   使用 GitHub 节点获取 PR 详情（标题、正文、编号、仓库、base/head 提交）。通过 HTTP Request 节点调用 GitHub API `/pulls/{number}/files` 获取变更文件列表与 diff 内容。使用 Merge 节点合并 PR 元数据与文件数据。在 Code 节点 'Extract Code Diffs' 中运行 JavaScript，将变更文件映射为结构化对象（filename、status、additions、deletions、changes、patch），并计算总增删行数，输出包含 reviewId、timestamp、prNumber、prTitle、prAuthor、branch、changedFiles 等的 JSON。

   运行提示词 · 来源原文。Code 节点 'Extract Code Diffs' 的 jsCode 参数

   复制提示词

   const data = $input.item.json;
   const changedFiles = data[1] || [];
   const prDetails = data[0] || {};
   
   const fileAnalysis = changedFiles.map((file) => {
     return {
       filename: file.filename || 'unknown',
       status: file.status || 'modified',
       additions: file.additions || 0,
       deletions: file.deletions || 0,
       changes: file.changes || 0,
       patch: file.patch || '',
       blob_url: file.blob_url || ''
     };
   });
   
   const timestamp = new Date().toISOString();
   const reviewId = `REV-${Date.now()}`;
   
   const totalAdditions = fileAnalysis.reduce((sum, f) => sum + f.additions, 0);
   const totalDeletions = fileAnalysis.reduce((sum, f) => sum + f.deletions, 0);
   const totalChanges = fileAnalysis.reduce((sum, f) => sum + f.changes, 0);
   
   return {
     json: {
       reviewId,
       timestamp,
       prNumber: prDetails.number || 'unknown',
       prTitle: prDetails.title || 'Untitled',
       prDescription: prDetails.body || '',
       prAuthor: prDetails.user?.login || 'unknown',
       prUrl: prDetails.html_url || '',
       branch: prDetails.head?.ref || 'unknown',
       baseBranch: prDetails.base?.ref || 'main',
       totalFiles: fileAnalysis.length,
       totalAdditions,
       totalDeletions,
       totalChanges,
       changedFiles: fileAnalysis,
       repoOwner: prDetails.base?.repo?.owner?.login || 'unknown',
       repoName: prDetails.base?.repo?.name || 'unknown'
     }
   };

3. AI 审阅与评分

   模板描述中此步骤应发送结构化 diff 数据与上下文（语言、仓库规范、自定义指南）到 AI 模型进行代码正确性、安全漏洞、性能优化、可读性、SOLID 原则、最佳实践等维度的分析。但 workflow.json 中对应节点 'Score Review & Categorize Issues' 仅为 Code 节点占位，执行启发式评分（additions>500 扣 10 分，files>10 扣 5 分），未实际调用 LLM。用户需自行在 Extract Code Diffs 之后、评分之前插入 OpenAI/Claude/Grok 等 AI 节点，并将 AI 输出接入评分节点。

   运行提示词 · 来源原文。Code 节点 'Score Review & Categorize Issues' 的 jsCode 参数（占位评分逻辑；实际 LLM 审阅需按模板文档自行接入）

   复制提示词

   const review = $input.item.json;
   
   const categories = {
     critical: [],
     major: [],
     minor: [],
     suggestion: []
   };
   
   const issueCount = {
     critical: 0,
     major: 0,
     minor: 0,
     suggestion: 0
   };
   
   let reviewScore = 95;
   if (review.totalAdditions > 500) reviewScore -= 10;
   if (review.totalFiles > 10) reviewScore -= 5;
   
   return {
     json: {
       ...review,
       reviewScore: Math.max(0, reviewScore),
       totalIssues: 0,
       issueCount,
       categories,
       approvalStatus: 'APPROVED',
       approvalMessage: '✅ Code review ready',
       aiAnalysis: 'Code analysis pending...'
     }
   };

4. 按严重程度路由

   使用 Switch 节点 'Route by Review Severity' 根据 issueCount.critical 的值进行分支：若 critical > 0 走 'Critical Issues' 分支，否则走 'Good Review' 分支。不同分支可触发不同的后续处理（如 critical 时立即 Slack 告警）。【首次测试安全】首次运行优先使用测试仓库/测试库/测试 Slack 频道；确认评审载荷无误前保持生产写入/发送节点断开。

5. 发布审阅并通知

   根据路由结果执行以下并行或串行操作：使用 HTTP Request 节点向 GitHub API POST `/pulls/{prNumber}/reviews` 发布审阅评论；使用 PostgreSQL 节点将审阅结果存入 code_reviews 表（需确保表已存在，当前使用 autoMapInputData）；使用 HTTP Request 节点向 Slack Webhook URL 发送 JSON 格式的摘要消息（含 PR 标题、作者、评分、状态）；最后使用 Code 节点 'Log Review Completion' 输出执行日志。【首次测试安全】首次测试前，建议先断开 Post Review to GitHub PR、Store Review Results in PostgreSQL、Send Summary to Slack 节点，或改用测试仓库/测试数据库/测试 Slack 频道，确认数据流正确后再接通。

   运行提示词 · 来源原文。HTTP Request 节点 'Send Summary to Slack' 的 jsonBody 参数（需将 YOUR_SLACK_WEBHOOK_URL 替换为真实 URL）

   复制提示词

   ={
     "text": "Code Review: PR #{{ $json.prNumber }}",
     "blocks": [
       {
         "type": "section",
         "text": {
           "type": "mrkdwn",
           "text": "*PR: {{ $json.prTitle }}*\n*Author:* {{ $json.prAuthor }}\n*Score:* {{ $json.reviewScore }}/100\n*Status:* {{ $json.approvalStatus }}"
         }
       }
     ]
   }

   运行提示词 · 来源原文。Code 节点 'Log Review Completion' 的 jsCode 参数

   复制提示词

   const review = $input.item.json;
   const timestamp = new Date().toISOString();
   
   console.log(`✅ CODE REVIEW COMPLETED | PR #${review.prNumber} | Author: ${review.prAuthor} | Score: ${review.reviewScore}/100`);
   
   return {
     json: {
       success: true,
       reviewId: review.reviewId,
       prNumber: review.prNumber,
       reviewScore: review.reviewScore,
       timestamp
     }
   };

你正在搭建一个 n8n 工作流，用于自动审阅 GitHub Pull Request 并将结果记录到 PostgreSQL 与 Slack。请先确认以下前置条件：
1. 拥有可访问的 n8n 实例（建议自托管以支持 webhook）；
2. GitHub 仓库管理员权限，可添加 Webhook 并生成含 repo 范围的 Personal Access Token；
3. PostgreSQL 数据库及连接信息；
4. Slack Incoming Webhook URL（可选）。

导入 workflow.json 后，依次完成：配置 githubApi 与 postgres 凭证；在仓库 Settings → Webhooks 添加 n8n webhook URL 并选择 Pull requests 事件；检查 'Score Review & Categorize Issues' 节点——当前为占位评分逻辑，需自行插入 AI 节点（OpenAI/Claude/Grok）以实现真正的代码审阅；将 Slack 节点中的 YOUR_SLACK_WEBHOOK_URL 替换为真实地址；确保 PostgreSQL 中 code_reviews 表已创建或手动配置列映射；最后手动触发测试并激活工作流。