new test3

.gitea/workflows/ai-review.yml

@@ -1,6 +1,5 @@
-name: "AI Code Review"
+name: "AI Code Review (Skill-Driven)"
 
-# 当有人发起 Pull Request (PR) 或者向 PR 提交新代码时，触发此工作流
 on:
   pull_request:
     types: [opened, synchronize]
@@ -9,7 +8,7 @@ jobs:
   review_with_skill:
     runs-on: ubuntu-latest
     steps:
-      # 1. 把你仓库里的代码（包括 .claude 里的规则文件）下载到运行服务器上
+      # 1. 拉取代码及 Skill 规则文件
       - name: Checkout Code & Skills
         uses: actions/checkout@v4
         with:
@@ -18,75 +17,86 @@ jobs:
       # 2. 运行 AI 审查脚本
       - name: Run Review Engine
         env:
-          # 引入我们在第二步配置的 API Key
+          # 🔑 中转站 API Key（在 Gitea Secrets 配置）
-          API_KEY: ${{ secrets.LLM_API_KEY }} 
+          API_KEY: ${{ secrets.LLM_API_KEY }}
-          # Gitea 自动生成的 Token，用于给机器人发评论权限，无需手动配置
+          # 🌐 中转站 Base URL（在 Gitea Secrets 配置）
-          GITEA_TOKEN: ${{ gitea.token }} 
+          BASE_URL: ${{ secrets.LLM_BASE_URL }}
-          # 传递 Gitea 的相关环境变量给 Python 脚本
+          # 🤖 选择的模型名称（按需修改）
+          MODEL_NAME: "gpt-4o"
+          # Gitea 自动注入的 Token，无需手动配置
+          GITEA_TOKEN: ${{ gitea.token }}
           GITEA_SERVER_URL: ${{ gitea.server_url }}
           GITEA_REPOSITORY: ${{ gitea.repository }}
           GITEA_PR_NUMBER: ${{ gitea.event.number }}
           GITEA_BASE_REF: ${{ gitea.base_ref }}
           GITEA_HEAD_REF: ${{ gitea.head_ref }}
         run: |
-          # 提取当前 PR 的代码变动并保存到 diff.txt
+          # 提取当前 PR 的代码差异
           git diff origin/$GITEA_BASE_REF...origin/$GITEA_HEAD_REF > diff.txt
-          
+
-          # 使用 Python 执行审查
+          # 使用 Python 执行审查（纯标准库，无需 pip install）
           python3 -c "
           import os, json, urllib.request, urllib.error
-          
+
-          # 1. 读取你提交的 Skill 规则书
+          # ========== 1. 读取 Skill 规则书 ==========
           skill_base_path = '.claude/skills/code-review-skill/'
           try:
-              skill_config = open(os.path.join(skill_base_path, 'SKILL.md')).read()
+              skill_config = open(os.path.join(skill_base_path, 'SKILL.md'), encoding='utf-8').read()
-              python_rules = open(os.path.join(skill_base_path, 'reference/python.md')).read()
+              python_rules = open(os.path.join(skill_base_path, 'reference/python.md'), encoding='utf-8').read()
           except FileNotFoundError as e:
-              print(f'未找到规则文件: {e}'); exit(1)
+              print(f'❌ 未找到 Skill 规则文件: {e}'); exit(1)
-          
+
-          # 组合成完整的 AI 提示词（System Prompt）
           full_skill_prompt = f'{skill_config}\n\n以下是针对当前语言的补充规范：\n{python_rules}'
-          
+
-          # 读取代码变动
+          # ========== 2. 读取代码变动 ==========
-          diff_data = open('diff.txt').read()
+          diff_data = open('diff.txt', encoding='utf-8').read()
-          if not diff_data.strip(): 
+          if not diff_data.strip():
-              print('没有检测到代码变更，跳过审查。'); exit(0)
+              print('✅ 没有检测到代码变更，跳过审查。'); exit(0)
-              
+
-          # 2. 呼叫大模型 (这里以 DeepSeek 为例，已修正为官方标准 API 接口)
+          # ========== 3. 调用中转站大模型 API ==========
-          api_url = 'https://api.deepseek.com/v1/chat/completions' 
+          base_url = os.getenv('BASE_URL', 'https://api.maxmodel.com/v1').rstrip('/')
+          api_url = f'{base_url}/chat/completions'
+          model_name = os.getenv('MODEL_NAME', 'gpt-4o')
+
+          print(f'🚀 正在调用模型: {model_name} @ {base_url}')
+
           headers = {
               'Authorization': f'Bearer {os.getenv(\"API_KEY\")}',
               'Content-Type': 'application/json'
           }
           payload = {
-              'model': 'deepseek-chat', # 或者使用 deepseek-coder
+              'model': model_name,
               'messages': [
-                  {'role': 'system', 'content': full_skill_prompt}, 
+                  {'role': 'system', 'content': full_skill_prompt},
                   {'role': 'user', 'content': f'请严格对照上述 Skill 规范，评审以下 FastAPI 代码改动，并用中文输出评审意见：\n\n{diff_data}'}
               ],
               'temperature': 0.2
           }
-          
+
           req = urllib.request.Request(api_url, data=json.dumps(payload).encode('utf-8'), headers=headers, method='POST')
           try:
-              with urllib.request.urlopen(req) as response:
+              with urllib.request.urlopen(req, timeout=120) as response:
                   res = json.loads(response.read().decode('utf-8'))
               comment_body = res['choices'][0]['message']['content']
+              print('✅ 大模型已返回审查意见')
+          except urllib.error.HTTPError as e:
+              error_body = e.read().decode('utf-8')
+              print(f'❌ 请求中转站失败 [{e.code}]: {error_body}'); exit(1)
           except Exception as e:
-              print(f'请求大模型失败: {e}'); exit(1)
+              print(f'❌ 请求中转站异常: {e}'); exit(1)
-          
+
-          # 3. 将 AI 审查意见发表到 Gitea 的 Pull Request 评论区
+          # ========== 4. 发表到 Gitea PR 评论区 ==========
           gitea_url = f'{os.getenv(\"GITEA_SERVER_URL\")}/api/v1/repos/{os.getenv(\"GITEA_REPOSITORY\")}/issues/{os.getenv(\"GITEA_PR_NUMBER\")}/comments'
           gitea_headers = {
               'Authorization': f'token {os.getenv(\"GITEA_TOKEN\")}',
               'Content-Type': 'application/json'
           }
-          gitea_payload = {'body': f'### 🤖 AI 自动化审查报告 (基于 Code Review Skill)\n\n{comment_body}'}
+          gitea_payload = {'body': f'### 🤖 AI 自动化审查报告 (基于 Code Review Skill)\n\n> 模型: \`{model_name}\` | 中转站: maxmodel\n\n{comment_body}'}
-          
+
           gitea_req = urllib.request.Request(gitea_url, data=json.dumps(gitea_payload).encode('utf-8'), headers=gitea_headers, method='POST')
           try:
-              urllib.request.urlopen(gitea_req)
+              urllib.request.urlopen(gitea_req, timeout=30)
-              print('Skill 审查报告已成功发表！')
+              print('🎉 Skill 审查报告已成功发表到 PR！')
           except Exception as e:
-              print(f'发表评论失败: {e}'); exit(1)
+              print(f'❌ 发表评论失败: {e}'); exit(1)
-          "
+          "

app/main.py

@@ -0,0 +1,37 @@
+# app/main.py
+import time
+import requests  # ❌ 引入了同步的请求库
+from fastapi import FastAPI
+
+app = FastAPI()
+
+# 内存数据库模拟
+DATABASE = []
+
+# ❌ 严重问题 1: 硬编码敏感信息 (有安全隐患)
+SECRET_KEY = "super-secret-key-123456"
+
+
+# ❌ 严重问题 2: 在 async 异步函数中，使用了同步阻塞操作 (time.sleep 和 requests.get)
+# 这会导致 FastAPI 的单线程事件循环被完全卡死！高并发时性能会雪崩 [1][3]。
+@app.get("/fetch-data")
+async def fetch_external_data():
+    time.sleep(2)  # 模拟耗时操作，卡死事件循环 [3]
+    response = requests.get("https://api.github.com/repos/tiangolo/fastapi") # 阻塞 I/O [1]
+    return response.json()
+
+
+# ❌ 严重问题 3: 没有任何数据校验
+# 客户端如果少传了 name 或者 price 字段，直接报 KeyError 500 内部错误。
+@app.post("/items")
+async def create_item(item: dict):  # ❌ 应该使用 Pydantic BaseModel [1][3]
+    item_name = item["name"]
+    item_price = item["price"]
+    
+    new_item = {"name": item_name, "price": item_price}
+    DATABASE.append(new_item)
+    return {"status": "success", "data": new_item}
+
+# TODO: 这是一个测试 AI 审查的临时注释
+# TODO: 这是一个测试 AI 审查的临时注释
+return {"message": "Hello, World!"}  # ❌ 这行代码永远不会被执行，应该删除