值班记录：给持续集成流水线加一名只读的人工智能审阅员

本班接入范围：先读变更，不碰发布

持续集成，就是每次提交代码后，自动执行构建、检查和测试。模型可以加入其中，阅读代码差异、解释失败日志，或提醒审阅者留意兼容性风险。它更像一名提供线索的同事，不是新的测试引擎：说得合理，不代表已经验证。

第一次接入，建议只做一件事：在合并请求中生成变更摘要。原有测试照常运行，模型意见不阻止合并，也不自动修改代码。

一次提交经过模型的实际路径

流水线先运行现有检查，再把必要的代码差异和少量相关日志交给模型。比如，可以试用 Gemini 2.5 Flash 生成摘要，但是否适合自己的代码库，需要用真实变更评估，不能只看回答是否流畅。

• 脚本先筛掉依赖锁文件、生成文件和无关日志，限制输入大小。
• 请求明确要求模型说明变更目的、潜在风险和需要人工确认的事项，并引用文件位置。
• 脚本校验返回格式，再把结果写入构建报告；无法定位依据的意见，只作为待核查线索。

值守底线：模型输出不是通行证

仓库注释、提交说明和日志都可能包含诱导指令。应把这些内容当作待分析的数据，而不是允许模型执行的命令。初期不要给它终端权限、生产凭据或发布权限，也不要让返回文本直接拼接成执行脚本。

密钥应放在流水线的机密变量中，避免写入仓库或打印到日志。外部分支提交不应获得受保护密钥。发送代码前，还要确认团队允许向所选服务传输这些内容，并核查数据处理规则。

交班检查：超时、费用和退出路径

为模型任务设置超时、有限重试和输出上限，并记录每次调用的费用。摘要任务失败时，可以标记“建议暂缺”，让原有检查继续；真正的安全门禁则应按既定策略处理，不能因模型不可用而默认放行。

如果团队需要通过同一入口试用多个模型，Relay365 这种按量付费的中转服务可以纳入评估。使用 OpenAI SDK 时，基础地址配置为 https://api.api365relay.com/v1；接入前仍需核查模型标识、数据规则和实际费用。准备试跑时，可以创建一个 Relay365 账户，先在非敏感仓库验证。

交班时应留下三项记录：模型读了什么、建议是否有用、关闭该步骤后流水线能否正常工作。先让模型减少阅读负担，再考虑扩大职责。