只看改了哪几行，确认不了真问题
常见的自动审查只盯着这次改了哪几行。它得先猜文件里没改到的部分长什么样，再猜那个问题一跑会不会真的出错，最后给出的修改还是一段话，要人自己抄回项目。
教程给出的是一个 233 行的小程序 review.py，只用 Python 自带的功能。它可以在自己的电脑上跑，也可以挡在代码推送之前，或者放进 GitHub Actions（代码合并前的自动检查）。程序把改完的整个文件送进一台临时的 Linux 电脑，让模型把检查跑完，再把修改交回来；只有你明确要求应用到项目，这些修改才会写进代码。
四个模型拿同一处改动试过，里面放了五个问题。一次大约 1 到 4 分钟，花费 0.015 到 0.045 美元。
一轮审查实际在做什么
要做到先跑一遍、再交回修改，模型得看见完整文件，能在一台临时电脑里把检查跑起来，然后把修改交出来，最后按固定栏目交卷。看见文件、跑命令、交修改这三步，都还在测试阶段。
文件上传用的是 Files API。程序交上去的是每个改动文件改完后的全文、你指定的测试，以及这次的改动清单，模型就不用去猜清单没写到的那些代码。上传的文件会在第一条命令执行前放进一台托管的 Linux 电脑。在这台电脑里执行命令的工具叫 openrouter:shell，模型可以在里面跑 Python 和数据库。少了这台电脑，它就只能推测程序跑起来会怎样。
模型交回来的是补丁，工具叫 openrouter:apply_patch。补丁就是一份可以直接套到文件上的改动，新建、改写、删除都可以。写法不合格会被退回，真正去改你项目里文件的，仍是你这边的程序。收尾也不能随便写一段话，模型要调用 submit_review，按固定栏目把每条问题交回来。Claude Haiku 5.5 一旦在同一次请求里用了工具，就不会按表格回答，常常写成散文，还多出栏目，所以最后让它调用这个函数来交卷。
程序从 Git 取出改动清单和改过的文件名，连同测试一起上传，一次最多 19 个文件再加这份清单。模型读完，就写一小段检查跑一遍，确认自己怀疑的问题，同时提出修改。修改一交回来，这一轮会先停住：程序把它套到你电脑上的一份临时副本，再告诉模型这次套上没有。补丁并不进那台临时电脑，检查始终对着你上传时的代码。
模型交卷以后，上传的文件会被删掉，报告写在项目本机、提交时带不走的位置，路径是 .git/ai-review.json。你要求应用到项目，改完的文件才会拷回去。没有问题达到拦截线，或者这次没有东西可审，程序正常结束；有问题达到拦截线，就以失败结束，推送可以被拦住。和模型来回八次还没交卷，或者一次改动超过 19 个文件，程序会停下来，让你把改动拆开审。拦截线默认是“高”，指安全漏洞、数据会丢，或核心功能坏了；“中”是范围有限的错误，“低”是较轻的问题。默认模型是 Claude Haiku 5.5。
跑起来之前，电脑上要有 Python 3.11 或更新版本、Git，以及名为 OPENROUTER_API_KEY 的密钥。文件上传、执行命令和提交修改目前只走全球入口，按地区分开的入口会拒绝。改过的文件会进你的 OpenRouter 账户，并交给提供模型的那一方，所以只拿允许离开本机的代码来跑，文件里不要放密钥。
程序会在这几处停住
等得比较久的请求，如果整包结果一起回来，往往会在中途断开，所以程序改成一直读到这次回答结束；碰上断线或者对方限流，就等 5 秒再要一次。
修改必须马上套到临时副本上，并把套上了还是没套上告诉模型。只回一句已经保存、并不真的套用，模型会把同一份修改再发两到三次。指向项目外面的路径会被直接拒绝，文件写不出去。放进临时电脑的文件名会先按命令规则包好，免得文件名本身被当成一条命令去执行。
每一块修改都按它标出的位置去对整行，而且不会改到上一块之前的内容。位置对不上，这段文字在文件里又不止一处，这块就会被退回，让模型重发。Claude Sonnet 5.5 每次都会带上这种带行号的位置说明。报告里留着完整回复，包括临时电脑的输出和代码片段，放在不会被提交的目录里；上传的文件和临时副本，审查做到一半失败时也会清掉。
原有测试通过了，问题还在
教程拿一个订单小模块来演示。先放上能通过测试的版本，再加进五个问题，原有的两项测试照样通过，因为它们没碰到被改过的地方。这次临时电脑里是 Python 3.11.14 和数据库 SQLite 3.50.4，Python 自带的测试可以直接用，需要另外安装的测试工具则没有预装。
五个问题都在订单文件里。顾客填的状态被直接拼进了数据库查询，顾客编号原来是单独传的，外人可以借这个拼接口子去碰数据库。翻页起点也算错了，第 1 页会跳过前 20 条，返回的是后面那 20 条。“是不是已退款”用错了比较办法，从数据库读出的文字对不上，退款单仍被算进收入。失败后的重试把最后一次错误也吃掉，调用方只拿到一个空结果，分不清是办砸了，还是本来就没有结果。取完订单之后，数据库连接也没关。
把测试文件一并交给审查再跑，Claude Haiku 5.5 给出 5 条发现和 1 份修改，花了 0.0210 美元，用了 184 秒。查询拼接、翻页算错、退款判断这三条是“高”，错误被吃掉是“中”，四条都已确认，检查是当场跑出来的。连接没关只标成“低”，而且没能当场复现：常见的 Python 在函数结束后会把这个连接关掉，所以当时看不出漏了；换一种运行环境，或者查询做到一半出错，连接仍可能留着。
既然有“高”的问题，这次结果就是不通过。五个问题挤在同一个文件里，修改也就只有 1 份。写回项目之后还得把测试再跑一遍，因为临时电脑里的检查对着的是上传时那份代码，写回去以后修好没有，它看不到。
推送前拦住，合并前再查一次
教程把检查放在推送之前，对照的是远程主分支，一并看的还是那份订单测试。例子里先提交审查程序，再提交五个问题，然后推送。检查给出 5 条发现、1 份修改，花了 0.0117 美元，用了 96 秒，推送被拦住，远程仓库停在推送前的版本。
它比较的是你电脑上现在的代码和主分支。准备推送的那些提交以外，还没提交的改动也会算进去。有人推送时故意跳过本地检查，这一关就挡不住，合并前还得再自动查一次。Windows 上如果找不到 Python，自动检查里要写上它的完整路径。
合并前的检查写在 GitHub Actions 里，合并请求一打开或一更新就触发。这套流程没有在 GitHub 上真正跑过，同样的命令是在本机执行的。它只处理同一个仓库里的分支，从别的仓库送进来的修改会跳过，因为这一步会把代码发到 OpenRouter。检查用的程序取自基准分支，这次合并请求里的文件也进不了它的运行环境，所以改不了正在检查自己的那份程序。单次给了 15 分钟，够一次审查用的 1 到 4 分钟。密钥放在仓库的自动检查密钥里，名字仍是 OPENROUTER_API_KEY。想让没通过的检查挡住合并，还得在仓库设置里把它设为合并前必须通过。
四个模型，三次里谁把问题改完了
同一份例子、同样的默认设置、同样带上订单测试，每个模型跑了三次。做完三次，五个问题最多记 15 次；只做完两次，就最多记 10 次。修改算不算修好，要看它套到一份干净代码上、再跑测试之后，五个问题是否都消失。
做完的那些审查里，查询拼接、翻页算错、退款判断和错误被吃掉，四个模型都确认了。真正分开的是那个没关掉的数据库连接。Haiku 两次把它标成未确认，还有一次根本没报；Sonnet 标成未确认，另外还提过一条较轻、也没能复现的提醒：金额展示按“分”来排，打折却按“元”来四舍五入。GPT-6 Luna 三次都没报告连接没关，其中一次的修改却顺手改掉了这处。DeepSeek 两次做完的审查都确认了，有一次比的是连续调用 300 次前后还开着的文件数量。
DeepSeek 另有一次把来回八次都耗在反复发送修改上，始终没有交卷，花了 0.034 美元。Haiku 的三次修改里，有两次没去改那个错误的比较，反而动了收入怎么取值。订单数据按顺序排，收入原来按字段名去读，它改成按顺序取第 3 个数，传字段名的调用就会出错。修改写回项目之前，得先看一遍。
单次最便宜的是 Claude Haiku 5.5，平均 0.0153 美元、125 秒，三次里只有一次把五个问题都改完。Claude Sonnet 5.5 平均 0.0447 美元，只要 60 秒，三次修改都改完了。要换过去，指定模型 Claude Sonnet 5.5 即可。
一次花费怎么算出来
账单分成两块，一块是模型本身的用量，一块是那台临时电脑开着的时间。电脑按每秒 0.0001 美元计，从这次回答里第一次执行命令起，一直计到回答结束，模型思考的时间也算在里面；两次请求之间空着的那段不计费。新开一台，或者从休眠里唤醒，这一次至少按 30 秒计，也就是 0.003 美元。后面如果还用着同一台没休眠的电脑，就只按实际秒数计。文件上传不另收费，单个文件最大 100 MiB，一个账户下合计最多 10 GiB，传上去的文件不会过期。
这笔临时电脑的费用并不小。Haiku 每次审查里占 0.0074 到 0.0159 美元，更快的 Sonnet 占 0.0047 到 0.0068 美元。模型越慢，这一截越高，哪怕模型本身更便宜。只让模型看改动清单、不真正跑代码，Haiku 大约一次 0.001 美元；放进临时电脑里跑，大约是这个数的 10 到 40 倍。多出来的，是当场跑出来的证据，以及一份先在临时副本上试过能不能套上的修改。
代码会离开你的电脑
改过的文件、测试和改动清单会上传到你的 OpenRouter 账户，审查时交给提供模型的那一方。这些上传不能再下载，只能在 OpenRouter 的临时电脑里用；程序结束前会删掉，做到一半失败也会删。因此只拿允许离开本机的代码来跑，文件里不要放密钥。报告留在本机，里面有运行输出和代码片段。
一次最多带 20 个文件，其中 1 个名额留给改动清单。改动文件和测试加起来超过 19 个，程序就停，得拆开审。临时电脑默认上不了外网，每条命令默认最多跑 2 分钟，最长 5 分钟，所以装不了新的软件包；检查要用项目以外的现成程序库，也会失败。真要从公共软件源安装，得单独允许访问 pypi.org 和 files.pythonhosted.org。文件上传、执行命令和提交修改都还在测试阶段，目前只在全球入口提供，以后的行为可能变。
模型还是会漏掉问题，把严重程度说高，或者写出套不上的修改。已确认的问题带着当场跑出来的失败，未确认的则要人再看一遍。你的项目只有在你要求应用到项目时才会被改。
可以先把教程里的 review.py 放到项目根目录，用那份故意写了五个问题的例子跑通，看结果和报告里的命令、输出。要拦住推送，再挂到推送之前，并在合并前用基准分支上的程序再查一次。本地这一关挡不住有人故意跳过的推送。看重单次花费，就留着默认的 Claude Haiku 5.5；要三次修改都把五个问题改完，换成 Claude Sonnet 5.5。
