miracodeai/mira

Self-hosted AI code reviewer with indexed PR reviews, walkthroughs, vulnerability scanning, dependency graphs, custom rules, and a learning loop.

Mira – 自托管 AI 代码审查服务

是什么 – Mira 是一个你可在自己基础设施上运行的开源服务，使用你选择的大语言模型（LLM）自动审查拉取请求（或合并请求）。它提供 Web 仪表板、代码索引、漏洞警报和一个能适应团队风格的反馈学习循环。

为何重要 – 大多数 AI 代码审查产品都是 SaaS：它们将你的代码差异发送到第三方服务器，你只能看到生成的评论。Mira 将 所有数据（差异、嵌入、CVE 数据、使用日志）存储在你控制的 SQLite 或 Postgres 数据库中，因此不存在隐藏的遥测或数据售卖。

核心功能（如 README 所述）

功能	你将获得
模型无关审查	任何 OpenAI 兼容端点（OpenRouter、Ollama、vLLM、Together、Groq、AWS Bedrock 等）或通过 Codex CLI 使用的本地 LLM。你提供 API 密钥，Mira 永远不会在成本上加价。
降噪	信心阈值、去重、自我批判阶段和每 PR 评论上限，确保你只看到简洁、高价值的反馈。
学习循环	Mira 会监控哪些评论被拒绝或编辑，并将这些模式转化为自定义审查规则，影响未来的审查。
自定义规则	使用自然语言在 `.mira.yaml` 或仪表板中定义组织级或仓库级策略。
全仓库索引	审查前，整个仓库会被嵌入，使 LLM 获得超出差异的上下文。该索引还支持组织级软件包清单和依赖图查询。
漏洞扫描	每小时更新的 OSV.dev CVE 数据流被存储，并在受影响的软件包旁显示，附带影响范围图。
仪表板	自托管 UI，显示每个仓库/模型的成本、审查健康指标、软件包清单、CVE 警报以及审查响应分析。
Git 平台支持	GitHub（作为 GitHub App）、GitLab（令牌）、Forgejo/Codeberg（令牌）。Bitbucket 适配器正在计划中。
速度 / 质量	在公开的 Code Review Bench 上进行基准测试：平均每 PR 约 77 秒，F1 分数为 44，Mira 位于速度-质量帕累托前沿。
部署	Docker 镜像（`ghcr.io/miracodeai/mira:latest`），支持 Railway、Fly.io、Render 的一键模板，或普通 `docker run`。支持 SQLite（默认）或 Postgres 用于持久化。

工作流程（高层次流程）

配置 – 全局 mira.yaml（挂载到容器中）定义默认设置，如 LLM 模型和索引模型。单个仓库可添加 .mira.yaml 以调整阈值或评论限制。
Webhook 监听器 – Mira 作为 Web 服务运行，接收来自支持的 Git 主机的 PR 事件。
索引构建 – 当首次遇到仓库时，Mira 会使用 indexing_model 构建整个代码库的嵌入索引。该索引存储在所选数据库中。
审查生成 – 对于新 PR，Mira 获取差异，通过配置的提供者查询 LLM，并接收一组建议评论。
降噪过滤 – 评论根据信心度、去重和仓库设置进行过滤。
发布 – 过滤后的评论被回传至 PR（GitHub、GitLab、Forgejo），并记录在仪表板中。
学习 – 如果审查员拒绝或编辑了评论，Mira 会记录该结果并更新其规则集，使未来的审查更符合团队偏好。

快速入门

# 1. 创建包含密钥的 .env 文件
cat > .env <<EOF
MIRA_GITHUB_APP_ID=123456
MIRA_GITHUB_PRIVATE_KEY="$(cat private-key.pem)"
MIRA_WEBHOOK_SECRET=your-secret
OPENROUTER_API_KEY=sk-or-...
EOF

# 2. 可选全局配置（mira.yaml）
cat > mira.yaml <<EOF
llm:
  model: "anthropic/claude-sonnet-4-6"
  indexing_model: "anthropic/claude-haiku-4-5"
EOF

# 3. 运行容器
docker run -p 8000:8000 \
  --env-file .env \
  -v "$(pwd)/mira.yaml:/app/mira.yaml" \
  ghcr.io/miracodeai/mira:latest --config /app/mira.yaml

服务启动后，在你的仓库中安装生成的 GitHub App（或 GitLab 令牌）。每个新 PR 将自动被审查。

开发与贡献

以可编辑模式安装：pip install -e ".[dev,serve]"
使用 pytest tests/ 运行测试套件
特殊的 -m eval 标记运行访问真实 GitHub 和 LLM 端点的集成测试（需要 API 密钥）
代码使用 mypy 进行类型检查，使用 ruff 进行 lint

许可证

Apache 2.0 – 免费用于商业或私有用途，需遵守常规署名要求。

总结 – Mira 使团队完全掌控 AI 辅助代码审查：选择模型、将所有数据保留在本地、并获得典型 SaaS 审查工具隐藏的成本、安全性和审查员分析等额外可观测性。该项目积极维护，提供 Docker 镜像和 Railway 一键模板，并在公开基准测试中定位为最快开源审查工具。