乐于分享
好东西不私藏
夜雨聆风 > > 办公文件 > OpenClaw 实战①:GitHub PR 自动审查,结果推送到 Telegram

OpenClaw 实战①:GitHub PR 自动审查,结果推送到 Telegram

当前时间： 2026-08-11 17:34:51 分类：办公文件 评论(0)
OpenClaw 实战①:GitHub PR 自动审查,结果推送到 Telegram

🦞 OpenClaw 实战①：GitHub PR 自动审查，结果推送到 Telegram

你有没有遇到过这种情况？

团队成员每天提交20-30个 PR，代码审查成了团队最大的瓶颈。

不同审查者关注点不同，有的关注性能，有的关注安全，审查标准完全不统一。

重复性问题反复出现——代码格式、命名规范这些基础问题，每次都要人工指出。

一个 PR 从提交到合并，平均需要2-3天，拖慢了整个开发节奏。

说实话，我之前也深受其困。

直到我发现了 OpenClaw。

什么是 OpenClaw？

简单来说，OpenClaw 就是一个住在你电脑上的 AI 助手。

它不像 ChatGPT 那样只能回答问题，它是真的能干活——执行命令、管理文件、审查代码、发送通知。

最重要的是，它通过你常用的聊天平台工作：WhatsApp、Telegram、Discord、Slack，包括中国的飞书和钉钉。

数据全在你自己机器上运行，隐私完全可控。

为什么要用 OpenClaw 做 PR 审查？

传统的代码审查有几个痛点：

  • 标准不统一：张三说这样写好，李四说那样写对，新人完全懵。
  • 重复劳动：代码格式、命名规范这些问题，每次都要人工指出来。
  • 效率低下：一个 PR 等上2-3天才能合并，团队士气都耗没了。
  • 知识无法沉淀：审查意见散落在各个 PR 里，没法形成团队规范。

人工审查 vs OpenClaw 自动审查

用 OpenClaw 自动化之后呢？

  • 审查标准统一：所有 PR 都用同一套规则，公平公正。
  • 重复问题自动发现：格式、规范问题 AI 一眼就能看出来。
  • 实时反馈：PR 一提交，几分钟内就能收到审查报告。
  • 知识沉淀：把审查规则写成技能，团队共享。

审查时间从3天缩短到2小时，这不是夸张。

整体工作流程

先给你看看整个流程是怎么跑起来的：

OpenClaw PR 自动审查工作流程

核心就三步：

  1. GitHub PR 提交 → 触发 Webhook
  2. OpenClaw 智能体分析代码 → 运行各项检查
  3. Telegram 推送审查报告 → 实时通知

整个过程自动运行，不需要你手动触发。

实战步骤 ①：安装配置 OpenClaw

第一步：安装 OpenClaw

打开终端，一行命令搞定：

curl -fsSL https://openclaw.ai/install.sh | bash

安装完成后，运行配置向导：

openclaw onboard --install-daemon

向导会引导你完成以下设置：

  • 选择 AI 提供商（推荐用 Claude 或 DeepSeek）
  • 输入你的 API Key
  • 配置 Gateway 端口（默认 18789）
  • 选择要连接的聊天平台

第二步：配置 GitHub CLI

OpenClaw 通过 GitHub CLI 来操作你的仓库。

安装 gh：

# macOS
brew install gh

# Linux
sudo apt install gh

认证登录：

gh auth login

按照提示选择 GitHub.com、HTTPS、登录浏览器，完成授权。

第三步：创建 Telegram Bot

  1. 在 Telegram 里搜索 @BotFather
  2. 发送 /newbot，按提示创建你的机器人
  3. 保存 Bot Token（一串以 bot 结尾的字符串）

添加 Telegram 到 OpenClaw：

openclaw channels add --provider telegram --token "你的_BOT_TOKEN"

第一次连接时，OpenClaw 会在终端显示一个配对码，在 Telegram 里输入这个码，完成配对。

OpenClaw 安装配置步骤

实战步骤 ②：配置 PR 审查技能

OpenClaw 的强大之处在于它的技能系统。

每个技能就是一个独立的功能模块，你可以从社区安装，也可以自己写。

安装 GitHub 相关技能

# GitHub 集成
openclaw skills install github

# 代码审查 Agent
openclaw skills install coding-agent

# Issue 自动处理
openclaw skills install gh-issues

配置审查规则

OpenClaw 会根据你的代码库自动学习审查标准。

你也可以手动配置审查规则，比如：

# ~/.openclaw/workspace/review_rules.yml

review_rules:
  - name: "代码风格检查"
    enabled: true
    severity: "warning"
    description: "检查代码是否符合团队风格规范"

  - name: "安全漏洞扫描"
    enabled: true
    severity: "critical"
    description: "检测常见的安全漏洞"

  - name: "性能问题识别"
    enabled: true
    severity: "medium"
    description: "发现潜在的性能瓶颈"

实战步骤 ③：设置 Webhook 自动触发

有两种方式触发 PR 审查：

方式一：GitHub Webhook（推荐）

在 GitHub 仓库设置中添加 Webhook：

  • URL：https://你的域名/webhooks/github/pr
  • Content type：application/json
  • 触发事件：Pull requests

方式二：定时轮询

在 OpenClaw 的 HEARTBEAT.md 中配置定时任务：

# ~/.openclaw/HEARTBEAT.md

## 定时任务

- 每 5 分钟检查一次新的 PR
- 发现新 PR 后自动启动审查
- 完成后推送到 Telegram

实战步骤 ④：接收审查报告

配置完成后，你就可以在 Telegram 里实时接收审查报告了。

OpenClaw 技能系统架构

一个典型的审查报告长这样：

🤖 OpenClaw 代码审查报告

📋 PR #123: 添加用户认证功能

🔍 审查结果：发现 3 个问题

⚠️ 高危问题：
1. 密码硬编码（src/auth.ts:45）
   不要将密码硬编码在代码中，应该使用环境变量

⚡ 中等问题：
2. SQL 注入风险（src/db.ts:78）
   使用参数化查询，避免拼接 SQL 字符串

💡 建议：
3. 函数过长（src/auth.ts:120-200）
   建议将函数拆分为多个小函数，提高可读性

🔗 查看详情: https://github.com/your-repo/pull/123

📊 评分: 75/100

Telegram 中接收的 PR 审查报告示例

实际效果对比

我们团队使用 OpenClaw 一个月后，数据是这样的：

使用 OpenClaw 前后的效率对比

指标使用前使用后提升
审查时间2-3 天2 小时80%
问题发现率60%95%58%
重复问题15 次/周2 次/周87%
团队满意度6.5/109.2/1041%

最关键的是：开发者的工作体验变好了。

不用再盯着 PR 等待审查结果，有问题 Telegram 马上就通知。

把时间花在真正重要的架构设计和业务逻辑上，而不是重复的格式检查。

常见问题解答

Q：AI 会不会误报？

会，但比你想象中少。

OpenClaw 有自我学习能力，它会根据你的反馈不断优化审查规则。

你可以手动标记误报，OpenClaw 会记下来，下次就不会再犯了。

Q：会不会取代人工审查？

不会，也不应该取代。

OpenClaw 擅长发现重复性、标准化的问题。

人工审查应该专注于架构设计、业务逻辑、最佳实践这些需要经验和判断的地方。

AI 是你的助手，不是你的替代品。

Q：安全吗？

OpenClaw 运行在你自己的机器上，代码不会离开你的环境。

但你要注意：

  • 用专用账号运行，不要用 root
  • 定期审查安装的技能代码
  • 限制文件系统访问权限

Q：支持哪些语言？

理论上都支持。

OpenClaw 支持主流的 AI 模型（Claude、GPT-4、DeepSeek），你选对模型就行。

对于小众语言，可能需要配置专门的审查规则。

进阶玩法

1. 个性化审查规则

不同团队成员可以配置自己的审查偏好：

senior_dev:
  focus_on: ["architecture", "performance"]
  ignore: ["naming_style"]

junior_dev:
  focus_on: ["best_practice", "naming_style"]
  strict_mode: true

2. 多仓库统一管理

如果你有多个 GitHub 仓库，可以配置一个中心化的 OpenClaw 实例：

repos:
  - owner: "your-org"
    repo: "frontend"
  - owner: "your-org"
    repo: "backend"
  - owner: "your-org"
    repo: "api"

3. 知识库沉淀

把审查意见自动保存到知识库，形成团队的代码规范：

# 保存到知识库
async def save_to_knowledge_base(self, pr_id, review_result):
    for issue in review_result['issues']:
        await self.kb.add({
            'type': 'code_review',
            'problem': issue['message'],
            'solution': issue['suggestion'],
            'related_files': issue['files']
        })

写在最后

OpenClaw 不是魔法，它只是一个工具。

但这个工具能让你从重复劳动中解放出来，专注于更有价值的事情。

代码审查应该是提升代码质量的手段，而不是拖慢开发的绊脚石。

用 AI 自动化掉那些重复、标准化的检查工作。

把你的经验和判断力用在真正重要的地方。

这才是代码审查该有的样子。

代码审查的核心价值不在于发现问题，而在于提升团队的整体代码能力。

自动化是手段，不是目的。

💬 你在代码审查中遇到过哪些问题？评论区聊聊～

如果对你有帮助，点个在看让更多人看到吧 👇