背景

大概两年前，gpt 刚出来不久，在听播客的时候，听到一个 ai 客服系统的构建过程

安装软件之后，用户和之前一样，正常的和客户沟通、聊天，Ai 会在这个过程中持续学习。在收集一定语料之后，客服人员在沟通时候，会出现选项，5s 倒计时结束，最佳选项会被发送出去。如果觉得不满意，可以取消，客服自己重写。基于反馈的自动优化，这个系统越来越先进，人工的介入越来越少。

cursor 在今年推出了 Bugbot，研究发现，他使用了 max mode 模式，token 消耗很高，上下文达到了 200k。收费 40$/月。

系统设计

sequenceDiagram
    participant User as 用户
    participant System as 审查系统 (CI/CD)
    participant AI_Model as AI 模型
    participant Vector_DB as 向量数据库

    %% --- 首次 Review 流程 ---
    Note over User, Vector_DB: 场景一：首次或无相似代码的 Review
    User->>+System: 提交代码 (触发 Review)
    System->>AI_Model: 1. 请求代码审查 (含上下文)
    System->>Vector_DB: 2. 存储代码片段 (用于未来匹配)
    AI_Model-->>System: 3. 返回 Review 建议
    System-->>-User: 4. 显示 Review 建议
    User->>+System: 5. 提交反馈 (有效/无效)
    System->>Vector_DB: 6. 将反馈与代码片段关联存储
    deactivate System

    %% --- 基于反馈的下一次 Review 流程 ---
    Note over User, Vector_DB: 场景二：利用历史反馈的增强 Review
    User->>+System: 提交新代码 (触发 Review)
    System->>Vector_DB: 1. 检索相似代码片段和历史反馈
    Vector_DB-->>System: 2. 返回匹配结果
    System->>AI_Model: 3. 请求增强审查 (含新代码、相似代码、历史反馈)
    AI_Model-->>System: 4. 返回更精准的建议
    System-->>-User: 5. 显示增强后的 Review 建议

在 cursor 和 github 的绑定中，是能够获取完整代码的。本身我们也是冲着完整代码去提交的，但是遇到问题比较多：

1. 上下文限制
2. 网络不通，我不能方便的获取代码。

webhook？

不太行，webhook 只有代码片段，不能提供足够的上下文，注定不会有好的结果。最终我们的业务形态变成了 chrome 插件。不管什么网络条件，总需要提交代码，web 操作。那通过 chrome 插件就能够无障碍的访问并获取相关的上下文。

通过 chrome 插件，也能方便的去操作用户的界面，和用户产生交互行为。

向量化

向量存储 mysql 肯定是不行的，pg 有一些插件能实现，资源有一定要求，最终我们选择了 Chroma 去实现。

Embeddings 选择的是 Gemini, 可能后续也会考虑国内的模型，还需要测试效果。

总结

这个过程中遇到挺多的问题的，网络访问都搞了好几套方案。

实现比完美更重要，去做比等待更实际。
不要犹豫，有想法就去做，问题是可以解决的，我们注定就是要实现别人没有做过的产品，去实现别人没有实现的想法。