Review 推荐，代码审查回到本地用自己的模型做

AI 代码审查工具这两年遍地开花，绝大多数跑在云端，仓库内容要发到别人服务器上过一遍。十月五日上榜的 Review 反着来，桌面应用本地审查，用自己的模型自己的密钥，代码不出机器。我把官网、仓库和评论区核了一遍，这个产品的思路与现状如下。

主要功能

形态是三平台桌面应用，视窗、苹果与 Linux 都有安装包，界面刻意做得接近 GitHub 网页版，看惯了官方界面的工程师零学习成本。审查对象两种，本地 Git 分支或拉取 GitHub 上的拉取请求。工作流是先在本地写行内评论，全部私密，反复斟酌后再选择性发布回 GitHub，哪条意见值得让团队看见由你决定，机器生成的草稿不会自动污染讨论区。发布回托管平台的动作也是手动的。哪条评论值得同步、哪条只留在本地笔记里，逐条勾选，草稿期的犹豫不产生任何痕迹。这个设计踩中了一个真实痛点，自动发布的机器人评论拉低了讨论质量，多了一道人工闸门，AI 意见的信噪比立刻不同。

自带模型是核心卖点。支持列表覆盖主流商用接口与本地推理方案，OpenAI、Anthropic、Gemini、OpenRouter、Ollama、LM Studio 以及任意兼容端点，企业内网的自托管网关也能接。另有标准协议服务器接入能力，给代理工具当搭档。也就是说审查用的模型档次与数据流向全在自己手里，公司允许什么就用什么。模型分工可以再细一点，粗筛用便宜的快模型通读全分支，重点文件换强模型细看，接口密钥计费模式下这个组合能把审查成本压到订阅服务的零头。本地推理用户则完全免单，跑一个开源编码模型，慢一点，代码一个字节不出网。

开源且免费，宽松许可，技术栈以 TypeScript 为主。构建需要较新版本的 Node，本机要装 Git，安装包未做签名，苹果系统首次打开需要手动放行，这些细节官网都写了。

解决了什么需求

云审查服务的顾虑集中在两点，代码保密与费用。涉密仓库、客户项目、还没发布公告的产品代码，发出去给第三方模型审一遍，法务部门第一个不答应。按席位订阅的审查服务一年下来也是笔钱。本地方案一次解决两点，模型费用直接付给模型商，代码全程留在本机。发布页的评分给了参考，五条评价清一色四五颗星，标题里出现频率最高的词是本地与持续在用，早期用户画像就是那批被云端审查劝退的人。发布当日排进榜单前十五，对一个星数个位数的仓库来说，这个声量说明需求是真的。

AI 只当草稿员这个定位值得多说一句。评论先落在本地，意味着你有机会筛掉模型一本正经的胡话再发布，团队看到的每条意见都经过了人脑把关。评论区有同行追问它与机器人审查服务的差别，作者的回答也围绕这一点，机器人即审即发，这里人审在前。

注意事项

项目极早期，必须如实交待。仓库公开时间在产品发布前一天，我查时星数只有个位数，功能与稳定性都要打问号，生产环境使用前先拿非关键仓库试水。单人开发的长期维护风险照例存在，好在代码开源，社区接手的门槛低。选型建议分人群。个人开发者用它白嫖本地模型的审查能力，零成本值得一试。小团队可以把它当过渡方案，等仓库成熟或自家工具链补上本地审查环节再迁走。大厂合规团队继续走内部审批流程，这个工具的许可证没有商用障碍，卡点只在成熟度。

评论区还有两条在路上，提交前钩子与更深的协议集成，作者表示会考虑。对效率敏感又重视代码隐私的团队，这个方向比这个具体产品更值得关注，本地审查这条路一旦有成熟工具，云服务的订阅模式会受到真正的挑战。

来源

• 官网 https://review-code.dev
• 开源仓库 https://github.com/hamedghaderi/review
• Product Hunt 发布帖 https://www.producthunt.com/products/review-2