【开源项目】DeltaConverge-差异在此汇聚，代码因此完整
- 内容介绍
- 文章标签
- 相关推荐
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
GitHub - Gust-feng/DeltaConverge: DeltaConverge 是一套多 Agent 协同驱动的智能代码审查系统
DeltaConverge 是一套多 Agent 协同驱动的智能代码审查系统
这是参加Costrict校园技术挑战赛、并从零开始搭建的Agent驱动的代码审查系统，之前迟迟没有和佬友们分享，是因为觉得它还不够好，还可以做的更好，不过哪有最完美，并经过其他佬友的激励下，遂将这个不算的完美的项目分享出来。
DeltaConverge
DeltaConverge 是一个以 Agent 为核心架构的代码审查系统，通过对 Pull Request 中的变更进行分解、理解与逐步收敛，生成可解释、可验证的审查结论。
DeltaConverge，捕获 PR 中每一个细微的 Delta，以清晰的分析引导它完成 Converge 的使命。
从参加比赛创建第一个文件夹，到项目能够正式运行并完成测评，DeltaConverge 前后历时 64 天。回头看，这是一场完整的项目实践：需求拆解、架构取舍、接口对齐、前端体验、测试测评、部署交付，每一步都需要不断修正判断，在这个过程中收获颇丰。
庆幸于AI的发展，即便是我这样技术平平的学生也能完成一个完整系统，并且这个系统的效果还不错，不过决定项目能否走到最后的，不止借用AI的能力，更多的仍然是持续思考、持续取舍，以及对全局一致性的把握，我觉得一句话非常贴切：局部的最优解往往不是全局最优解。这句话非常适合形容现在的 Vibe Coding，在越大的项目开发中，AI写出技术债的可能性越高。
这个项目仍然不完美，代码、交互和文档中一定还有可以继续打磨的地方；但它已经能够作为一套真实可运行的代码审查系统完成自己的使命：理解变更、调度上下文、融合规则与 LLM 判断，并给出贴合项目语义的审查建议。
flowchart TD
X{项目} --> A[DIFF]
X --> Z[分析Agent]
subgraph 主链路
A --> B[规则解析]
B --> C[决策Agent]
B --> D[融合计划]
C --> D
D --> E[上下文调度器]
E --> F[审查Agent]
F --> G{工具}
end
subgraph 旁路并行
A -.-> S[静态扫描器]
S -.-> T[扫描结果缓存]
T -.->|可选工具调用| G
end
Z --> H[意图缓存]
H --> C
H --> F
项目特点
双链路并行架构
静态扫描器作为旁路与 Agent 主链路并行执行、互不阻塞。主链路专注业务语义审查，旁路同步完成静态分析，结果通过工具接口暴露给审查 Agent，由 Agent 决定是否调用或在报告中整合。
规则层 + LLM 层双轨并行
规则层基于模式匹配进行快速判断，LLM 层负责处理复杂的语义推理，通过置信度加权融合实现二者互补，既保证效率，又兼顾审查深度。
智能上下文编排
规划 Agent 根据变更复杂度、代码关联度与影响范围，动态决定每个审查单元需要多少上下文（差异级 / 函数级 / 文件级），在信噪比之间找到最优平衡点。
自我学习机制
系统持续追踪规则层与 LLM 层的决策分歧，进行模式挖掘。当某类冲突达到统计阈值时，自动生成候选规则并纳入规则库，实现规则的持续优化 与能力增长 。
如果这个项目能给同样在学习 AI 工程、Agent 系统、代码审查工具的朋友一点参考，那它开源出来就已经很有意义了。
写在最后
AI可以写出比我更规范的代码，可以给出比我更全面的方案，也可以在几秒钟内完成我几个小时才能做完的工作。
但它永远不会问自己："这个系统应该是什么样的？
"如果开发者都没有清晰的思路，那么整个项目只会在一次次零散的对话中，被AI执行的面目全非。真正决定项目上限的，还是开发者是否拥有清晰的思路，以及有没有能力在一次次的对话里，始终守住它最初的形状
最后感谢 Costrict 校园技术挑战赛，给了我一个从零把项目做完整的机会；也感谢 L 站这个大家庭，以及一路给予鼓励、建议和指点的佬友们。很多时候，项目不是等到完美才值得分享，而是在分享之后，才有机会变得更好。
网友解答：--【壹】--：
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
GitHub - Gust-feng/DeltaConverge: DeltaConverge 是一套多 Agent 协同驱动的智能代码审查系统
DeltaConverge 是一套多 Agent 协同驱动的智能代码审查系统
这是参加Costrict校园技术挑战赛、并从零开始搭建的Agent驱动的代码审查系统，之前迟迟没有和佬友们分享，是因为觉得它还不够好，还可以做的更好，不过哪有最完美，并经过其他佬友的激励下，遂将这个不算的完美的项目分享出来。
DeltaConverge
DeltaConverge 是一个以 Agent 为核心架构的代码审查系统，通过对 Pull Request 中的变更进行分解、理解与逐步收敛，生成可解释、可验证的审查结论。
DeltaConverge，捕获 PR 中每一个细微的 Delta，以清晰的分析引导它完成 Converge 的使命。
从参加比赛创建第一个文件夹，到项目能够正式运行并完成测评，DeltaConverge 前后历时 64 天。回头看，这是一场完整的项目实践：需求拆解、架构取舍、接口对齐、前端体验、测试测评、部署交付，每一步都需要不断修正判断，在这个过程中收获颇丰。
庆幸于AI的发展，即便是我这样技术平平的学生也能完成一个完整系统，并且这个系统的效果还不错，不过决定项目能否走到最后的，不止借用AI的能力，更多的仍然是持续思考、持续取舍，以及对全局一致性的把握，我觉得一句话非常贴切：局部的最优解往往不是全局最优解。这句话非常适合形容现在的 Vibe Coding，在越大的项目开发中，AI写出技术债的可能性越高。
这个项目仍然不完美，代码、交互和文档中一定还有可以继续打磨的地方；但它已经能够作为一套真实可运行的代码审查系统完成自己的使命：理解变更、调度上下文、融合规则与 LLM 判断，并给出贴合项目语义的审查建议。
flowchart TD
X{项目} --> A[DIFF]
X --> Z[分析Agent]
subgraph 主链路
A --> B[规则解析]
B --> C[决策Agent]
B --> D[融合计划]
C --> D
D --> E[上下文调度器]
E --> F[审查Agent]
F --> G{工具}
end
subgraph 旁路并行
A -.-> S[静态扫描器]
S -.-> T[扫描结果缓存]
T -.->|可选工具调用| G
end
Z --> H[意图缓存]
H --> C
H --> F
项目特点
双链路并行架构
静态扫描器作为旁路与 Agent 主链路并行执行、互不阻塞。主链路专注业务语义审查，旁路同步完成静态分析，结果通过工具接口暴露给审查 Agent，由 Agent 决定是否调用或在报告中整合。
规则层 + LLM 层双轨并行
规则层基于模式匹配进行快速判断，LLM 层负责处理复杂的语义推理，通过置信度加权融合实现二者互补，既保证效率，又兼顾审查深度。
智能上下文编排
规划 Agent 根据变更复杂度、代码关联度与影响范围，动态决定每个审查单元需要多少上下文（差异级 / 函数级 / 文件级），在信噪比之间找到最优平衡点。
自我学习机制
系统持续追踪规则层与 LLM 层的决策分歧，进行模式挖掘。当某类冲突达到统计阈值时，自动生成候选规则并纳入规则库，实现规则的持续优化 与能力增长 。
如果这个项目能给同样在学习 AI 工程、Agent 系统、代码审查工具的朋友一点参考，那它开源出来就已经很有意义了。
写在最后
AI可以写出比我更规范的代码，可以给出比我更全面的方案，也可以在几秒钟内完成我几个小时才能做完的工作。
但它永远不会问自己："这个系统应该是什么样的？
"如果开发者都没有清晰的思路，那么整个项目只会在一次次零散的对话中，被AI执行的面目全非。真正决定项目上限的，还是开发者是否拥有清晰的思路，以及有没有能力在一次次的对话里，始终守住它最初的形状
最后感谢 Costrict 校园技术挑战赛，给了我一个从零把项目做完整的机会；也感谢 L 站这个大家庭，以及一路给予鼓励、建议和指点的佬友们。很多时候，项目不是等到完美才值得分享，而是在分享之后，才有机会变得更好。
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
GitHub - Gust-feng/DeltaConverge: DeltaConverge 是一套多 Agent 协同驱动的智能代码审查系统
DeltaConverge 是一套多 Agent 协同驱动的智能代码审查系统
这是参加Costrict校园技术挑战赛、并从零开始搭建的Agent驱动的代码审查系统，之前迟迟没有和佬友们分享，是因为觉得它还不够好，还可以做的更好，不过哪有最完美，并经过其他佬友的激励下，遂将这个不算的完美的项目分享出来。
DeltaConverge
DeltaConverge 是一个以 Agent 为核心架构的代码审查系统，通过对 Pull Request 中的变更进行分解、理解与逐步收敛，生成可解释、可验证的审查结论。
DeltaConverge，捕获 PR 中每一个细微的 Delta，以清晰的分析引导它完成 Converge 的使命。
从参加比赛创建第一个文件夹，到项目能够正式运行并完成测评，DeltaConverge 前后历时 64 天。回头看，这是一场完整的项目实践：需求拆解、架构取舍、接口对齐、前端体验、测试测评、部署交付，每一步都需要不断修正判断，在这个过程中收获颇丰。
庆幸于AI的发展，即便是我这样技术平平的学生也能完成一个完整系统，并且这个系统的效果还不错，不过决定项目能否走到最后的，不止借用AI的能力，更多的仍然是持续思考、持续取舍，以及对全局一致性的把握，我觉得一句话非常贴切：局部的最优解往往不是全局最优解。这句话非常适合形容现在的 Vibe Coding，在越大的项目开发中，AI写出技术债的可能性越高。
这个项目仍然不完美，代码、交互和文档中一定还有可以继续打磨的地方；但它已经能够作为一套真实可运行的代码审查系统完成自己的使命：理解变更、调度上下文、融合规则与 LLM 判断，并给出贴合项目语义的审查建议。
flowchart TD
X{项目} --> A[DIFF]
X --> Z[分析Agent]
subgraph 主链路
A --> B[规则解析]
B --> C[决策Agent]
B --> D[融合计划]
C --> D
D --> E[上下文调度器]
E --> F[审查Agent]
F --> G{工具}
end
subgraph 旁路并行
A -.-> S[静态扫描器]
S -.-> T[扫描结果缓存]
T -.->|可选工具调用| G
end
Z --> H[意图缓存]
H --> C
H --> F
项目特点
双链路并行架构
静态扫描器作为旁路与 Agent 主链路并行执行、互不阻塞。主链路专注业务语义审查，旁路同步完成静态分析，结果通过工具接口暴露给审查 Agent，由 Agent 决定是否调用或在报告中整合。
规则层 + LLM 层双轨并行
规则层基于模式匹配进行快速判断，LLM 层负责处理复杂的语义推理，通过置信度加权融合实现二者互补，既保证效率，又兼顾审查深度。
智能上下文编排
规划 Agent 根据变更复杂度、代码关联度与影响范围，动态决定每个审查单元需要多少上下文（差异级 / 函数级 / 文件级），在信噪比之间找到最优平衡点。
自我学习机制
系统持续追踪规则层与 LLM 层的决策分歧，进行模式挖掘。当某类冲突达到统计阈值时，自动生成候选规则并纳入规则库，实现规则的持续优化 与能力增长 。
如果这个项目能给同样在学习 AI 工程、Agent 系统、代码审查工具的朋友一点参考，那它开源出来就已经很有意义了。
写在最后
AI可以写出比我更规范的代码，可以给出比我更全面的方案，也可以在几秒钟内完成我几个小时才能做完的工作。
但它永远不会问自己："这个系统应该是什么样的？
"如果开发者都没有清晰的思路，那么整个项目只会在一次次零散的对话中，被AI执行的面目全非。真正决定项目上限的，还是开发者是否拥有清晰的思路，以及有没有能力在一次次的对话里，始终守住它最初的形状
最后感谢 Costrict 校园技术挑战赛，给了我一个从零把项目做完整的机会；也感谢 L 站这个大家庭，以及一路给予鼓励、建议和指点的佬友们。很多时候，项目不是等到完美才值得分享，而是在分享之后，才有机会变得更好。
网友解答：--【壹】--：
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
GitHub - Gust-feng/DeltaConverge: DeltaConverge 是一套多 Agent 协同驱动的智能代码审查系统
DeltaConverge 是一套多 Agent 协同驱动的智能代码审查系统
这是参加Costrict校园技术挑战赛、并从零开始搭建的Agent驱动的代码审查系统，之前迟迟没有和佬友们分享，是因为觉得它还不够好，还可以做的更好，不过哪有最完美，并经过其他佬友的激励下，遂将这个不算的完美的项目分享出来。
DeltaConverge
DeltaConverge 是一个以 Agent 为核心架构的代码审查系统，通过对 Pull Request 中的变更进行分解、理解与逐步收敛，生成可解释、可验证的审查结论。
DeltaConverge，捕获 PR 中每一个细微的 Delta，以清晰的分析引导它完成 Converge 的使命。
从参加比赛创建第一个文件夹，到项目能够正式运行并完成测评，DeltaConverge 前后历时 64 天。回头看，这是一场完整的项目实践：需求拆解、架构取舍、接口对齐、前端体验、测试测评、部署交付，每一步都需要不断修正判断，在这个过程中收获颇丰。
庆幸于AI的发展，即便是我这样技术平平的学生也能完成一个完整系统，并且这个系统的效果还不错，不过决定项目能否走到最后的，不止借用AI的能力，更多的仍然是持续思考、持续取舍，以及对全局一致性的把握，我觉得一句话非常贴切：局部的最优解往往不是全局最优解。这句话非常适合形容现在的 Vibe Coding，在越大的项目开发中，AI写出技术债的可能性越高。
这个项目仍然不完美，代码、交互和文档中一定还有可以继续打磨的地方；但它已经能够作为一套真实可运行的代码审查系统完成自己的使命：理解变更、调度上下文、融合规则与 LLM 判断，并给出贴合项目语义的审查建议。
flowchart TD
X{项目} --> A[DIFF]
X --> Z[分析Agent]
subgraph 主链路
A --> B[规则解析]
B --> C[决策Agent]
B --> D[融合计划]
C --> D
D --> E[上下文调度器]
E --> F[审查Agent]
F --> G{工具}
end
subgraph 旁路并行
A -.-> S[静态扫描器]
S -.-> T[扫描结果缓存]
T -.->|可选工具调用| G
end
Z --> H[意图缓存]
H --> C
H --> F
项目特点
双链路并行架构
静态扫描器作为旁路与 Agent 主链路并行执行、互不阻塞。主链路专注业务语义审查，旁路同步完成静态分析，结果通过工具接口暴露给审查 Agent，由 Agent 决定是否调用或在报告中整合。
规则层 + LLM 层双轨并行
规则层基于模式匹配进行快速判断，LLM 层负责处理复杂的语义推理，通过置信度加权融合实现二者互补，既保证效率，又兼顾审查深度。
智能上下文编排
规划 Agent 根据变更复杂度、代码关联度与影响范围，动态决定每个审查单元需要多少上下文（差异级 / 函数级 / 文件级），在信噪比之间找到最优平衡点。
自我学习机制
系统持续追踪规则层与 LLM 层的决策分歧，进行模式挖掘。当某类冲突达到统计阈值时，自动生成候选规则并纳入规则库，实现规则的持续优化 与能力增长 。
如果这个项目能给同样在学习 AI 工程、Agent 系统、代码审查工具的朋友一点参考，那它开源出来就已经很有意义了。
写在最后
AI可以写出比我更规范的代码，可以给出比我更全面的方案，也可以在几秒钟内完成我几个小时才能做完的工作。
但它永远不会问自己："这个系统应该是什么样的？
"如果开发者都没有清晰的思路，那么整个项目只会在一次次零散的对话中，被AI执行的面目全非。真正决定项目上限的，还是开发者是否拥有清晰的思路，以及有没有能力在一次次的对话里，始终守住它最初的形状
最后感谢 Costrict 校园技术挑战赛，给了我一个从零把项目做完整的机会；也感谢 L 站这个大家庭，以及一路给予鼓励、建议和指点的佬友们。很多时候，项目不是等到完美才值得分享，而是在分享之后，才有机会变得更好。