代码检测方法、代码检测装置、程序产品和电子设备与流程
本技术涉及计算机,具体而言,涉及一种代码检测方法、代码检测装置、计算机程序产品和电子设备。
背景技术:
1、在软件开发过程中,代码审查(code review)是一个至关重要的环节。它的主要目的是:发现缺陷,在代码合并到主分支前,发现潜在的错误和缺陷;提升代码质量,通过同行评审,确保代码符合团队规范和最佳实践;知识共享,审查过程本身是团队成员互相学习和交流的机会;降低维护成本,高质量的代码在后期维护时成本更低。传统的代码审查通常由人工完成,即由一名或多名开发者阅读代码,并提出修改建议。然而,随着软件项目规模的不断扩大,人工审查面临着诸多挑战:审查负担重,大型项目的每次提交可能涉及数十甚至数百个文件的变更;审查不彻底,审查者可能因时间压力或疲劳而遗漏问题;主观性强,不同审查者的关注点和标准可能不一致;响应时间长,依赖人工审查可能延迟代码合并,影响开发效率。为了解决人工审查的局限性,业界逐步引入了自动化工具,虽然现有的ai(artificial intelligence,人工智能)辅助代码审查工具能够在一定程度上缓解这些问题,但通常存在以下缺陷:一是稳定性不足,高度依赖单一ai提供商,存在单点故障风险,一旦模型服务中断即导致系统不可用;二是api(application programming interface,应用程序编程接口)调用成本高昂,难以大规模应用;三是架构扩展性差,系统通常采用硬编码设计,导致新功能接入困难且难以适应多变的业务需求。
技术实现思路
1、本技术的主要目的在于提供一种代码检测方法、代码检测装置、计算机程序产品和电子设备,以至少解决现有技术中代码检测时存在稳定性不足、成本高昂和架构扩展性较差的问题。
2、为了实现上述目的,根据本技术的一个方面,提供了一种代码检测方法,包括:接收代码托管平台发送的代码检测的触发信号,并根据所述触发信号,解析触发参数,所述触发参数包括所述代码托管平台的平台类型、项目id(identifier,标识符)和合并请求id;根据所述平台类型,获取所述平台类型对应的平台适配器;调用所述平台适配器的应用程序接口,根据所述项目id和所述合并请求id,获取代码变更差异;利用降级机制,按照预设的ai模型降级链对应的顺序依次调用ai模型,以对所述代码变更差异进行ai检测,得到ai检测结果,所述ai模型包括主ai模型、备用ai模型和本地ai模型中之一,所述ai模型降级链包括按序设置的所述主ai模型、至少一个所述备用ai模型、所述本地ai模型,所述降级机制用于在当前模型调用异常的情况下,切换至所述当前模型的下一个所述ai模型进行调用,直至得到所述ai检测结果;至少根据所述ai检测结果,生成代码评论;利用所述平台适配器,将所述代码评论发布至所述代码托管平台。
3、可选地,在获取代码变更差异之后,在按照预设的ai模型降级链对应的顺序依次调用ai模型之前,所述方法还包括:根据预定义规则,对所述代码变更差异进行规则检测,得到规则检测结果,所述预定义规则包括以下至少之一:正则表达式规则、函数规则、抽象语法树规则、安全规则、风格规则和复杂度规则;在所述规则检测结果表征存在问题的情况下,根据所述规则检测结果,生成所述代码评论,并利用所述平台适配器,将所述代码评论发布至所述代码托管平台。
4、可选地,按照预设的ai模型降级链对应的顺序依次调用ai模型,包括:在所述规则检测结果表征全部通过的情况下,按照所述ai模型降级链对应的顺序依次调用所述ai模型;至少根据所述ai检测结果,生成代码评论,包括:对所述规则检测结果和所述ai检测结果进行合并,得到初始检测结果;对所述初始检测结果进行去重,得到目标检测结果;根据所述目标检测结果,生成所述代码评论。
5、可选地,在按照预设的ai模型降级链对应的顺序依次调用ai模型,以对所述代码变更差异进行ai检测之后,在至少根据所述ai检测结果,生成代码评论之前,所述方法还包括:在所述本地ai模型调用异常的情况下,根据所述规则检测结果,生成所述代码评论;记录表征所述ai模型降级链中的所述ai模型均调用异常的错误日志,并发送警报信号。
6、可选地,在获取代码变更差异之后,在对所述代码变更差异进行规则检测之前,所述方法还包括:对所述代码变更差异进行哈希运算,得到代码内容哈希值;根据所述触发信号,确定所述预定义规则和所述主ai模型;根据所述预定义规则,确定规则版本;根据所述主ai模型,确定模型版本;根据所述平台类型、所述项目id、所述合并请求id、所述代码内容哈希值、所述规则版本和所述模型版本,确定所述代码变更差异的缓存键;在确定所述代码变更差异的缓存键之后,在对所述代码变更差异进行规则检测之前,所述方法还包括:查询缓存层中是否存在所述缓存键对应的历史检测结果;在所述缓存层中存在所述缓存键对应的所述历史检测结果的情况下,根据所述缓存键对应的所述历史检测结果,生成所述代码评论;对所述代码变更差异进行规则检测,包括:在所述缓存层中不存在所述缓存键对应的所述历史检测结果的情况下,对所述代码变更差异进行规则检测。
7、可选地,对所述规则检测结果和所述ai检测结果进行合并,包括:按照预设的检测权重分配,对所述规则检测结果和所述ai检测结果进行合并,所述检测权重分配中,所述规则检测结果的权重大于所述ai检测结果的权重;在生产所述代码评论之后,所述方法还包括:根据所述目标检测结果,计算质量分数;根据所述质量分数,分级发送表征所述目标检测结果的通知。
8、可选地,所述方法还包括:在对所述代码变更差异检测成功的情况下,将成功的目标检测结果缓存至缓存层,以缓存第一预设时长;在对所述代码变更差异检测失败的情况下,将失败的目标检测结果缓存至缓存层,以缓存第二预设时长,所述第一预设时长大于所述第二预设时长。
9、根据本技术的另一方面,提供了一种代码检测装置,包括:接收单元,用于接收代码托管平台发送的代码检测的触发信号,并根据所述触发信号,解析触发参数,所述触发参数包括所述代码托管平台的平台类型、项目id和合并请求id;第一获取单元,用于根据所述平台类型,获取所述平台类型对应的平台适配器;第二获取单元,用于调用所述平台适配器的应用程序接口,根据所述项目id和所述合并请求id,获取代码变更差异;检测单元,利用降级机制,按照预设的ai模型降级链对应的顺序依次调用ai模型,以对所述代码变更差异进行ai检测,得到ai检测结果,所述ai模型包括主ai模型、备用ai模型和本地ai模型中之一,所述ai模型降级链包括按序设置的所述主ai模型、至少一个所述备用ai模型、所述本地ai模型,所述降级机制用于在当前模型调用异常的情况下,切换至所述当前模型的下一个所述ai模型进行调用,直至得到所述ai检测结果;生成单元,用于至少根据所述ai检测结果,生成代码评论;发布单元,用于利用所述平台适配器,将所述代码评论发布至所述代码托管平台。
10、根据本技术的再一方面,提供了一种计算机程序产品,包括计算机指令,所述计算机指令被处理器执行时实现任意一种所述的代码检测方法。
11、根据本技术的又一方面,提供了一种电子设备,包括:一个或多个处理器,存储器,以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行任意一种所述的代码检测方法。
12、应用本技术的技术方案,首先根据接收到的触发信号,解析包括平台类型、项目id和合并请求id的触发参数,并根据平台类型获取对应的平台适配器,然后调用平台适配器的应用程序接口,根据项目id和合并请求id,获取代码变更差异,再利用降级机制,按照预设的ai模型降级链对应的顺序依次调用ai模型,以对代码变更差异进行ai检测,得到ai检测结果,并至少根据ai检测结果,生成代码评论,最后利用平台适配器,将代码评论发布至代码托管平台,其中,ai模型降级链包括按序设置的主ai模型、至少一个备用ai模型、本地ai模型,降级机制用于在当前模型调用异常的情况下,切换至当前模型的下一个ai模型进行调用,直至得到ai检测结果。本技术在接收到代码托管平台发送的代码检测触发信号后,首先解析出平台类型、项目id和合并请求id,并据此获取对应的平台适配器,进而通过平台适配器获取代码变更差异;随后,利用预设的ai模型降级链,按照主ai模型、至少一个备用ai模型至本地ai模型的顺序依次调用ai模型进行代码检测,当当前调用的ai模型出现异常时,自动切换至降级链中的下一个ai模型继续检测,直至获得ai检测结果,最后基于该检测结果生成代码评论并通过平台适配器发布回代码托管平台,通过上述降级机制,在主ai模型调用异常时系统能够无缝切换至备用或本地模型执行检测,避免了因单一ai模型故障导致整个代码检测流程中断,实现了代码检测服务的高可用性,有效解决了现有技术中因单一ai模型故障导致系统不可用或中断的问题,保障了代码检测过程的连续性和稳定性;将本地ai模型作为降级链的终末环节,在主备云端模型均不可用时提供基础检测能力,避免了因完全依赖高成本云端api而导致的费用激增,在保障服务连续性的同时优化了成本;此外,通过根据平台类型动态获取对应的平台适配器来屏蔽底层代码托管平台的api差异,使得新增平台仅需适配新接口而无需修改核心检测逻辑,从而赋予系统良好的架构可扩展性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com