一个以 Pull Request / Diff 为主、兼顾仓库健康扫描的 GitHub 代码 Agent。

后端当前能力包括：

• GitHub 仓库与 PR 快照获取
• Repo / Pull Request 双分析引擎
• PostgreSQL 报告持久化
• Pipeline 编排与飞书推送
• LangChain Agent + Tool 调用

技术栈

• frontend: Next.js 16、React 19、Tailwind CSS 4
• backend: NestJS 11
• database: PostgreSQL + MikroORM
• agent: LangChain + OpenAI-compatible chat model
• workspace: pnpm workspace

后端主线

当前后端按下面这条主线工作：

GitHub Repo / PR Snapshot
  -> Analysis Engine
  -> RepoReport / PullRequestReport
  -> Pipeline / Feishu
  -> Agent Tools / Chat

核心模块：

• backend/src/github-sync/: GitHub repo / PR 快照获取
• backend/src/analysis/: Repo / PR 规则分析
• backend/src/reports/: RepoReport 与 PullRequestReport
• backend/src/pipeline/: 编排 repo / PR 分析流程
• backend/src/agent/: LangChain Agent、tool 注册和聊天流式接口

本地启动

1. 安装依赖

pnpm install

2. 启动 PostgreSQL

如果你本地没有数据库，最简单的方式是用 Docker：

docker run --name adam-postgres \
  -e POSTGRES_DB=adam_app \
  -e POSTGRES_USER=postgres \
  -e POSTGRES_PASSWORD=postgres \
  -p 5432:5432 \
  -d postgres:16

3. 准备环境变量

cp backend/.env.example backend/.env

当前第一版最重要的环境变量：

• OPENAI_API_KEY
• OPENAI_BASE_URL（可选，兼容 OpenAI API 的模型服务都可）
• MODEL_NAME
• DB_HOST
• DB_PORT
• DB_NAME
• DB_USER
• DB_PASSWORD
• GITHUB_TRACKED_REPOSITORIES
• MOCK_MODE

4. 执行数据库迁移

pnpm --filter ./backend run db:up

5. 启动后端

pnpm dev:backend

启动整个 workspace：

pnpm dev

常用命令

• pnpm dev: 同时启动前后端
• pnpm dev:backend: 启动后端
• pnpm dev:frontend: 启动前端
• pnpm build: 构建 workspace
• pnpm lint: 运行 ESLint
• pnpm --filter ./backend test: 运行后端单测
• pnpm --filter ./backend exec jest --runInBand: 串行运行全部后端测试
• pnpm --filter ./backend run db:generate: 生成 MikroORM migration
• pnpm --filter ./backend run db:up: 执行 migration

API 示例

1. 触发 tracked repositories 扫描

不传 body 时，后端会读取 GITHUB_TRACKED_REPOSITORIES 并批量跑 repo pipeline。

curl -X POST http://localhost:3001/pipeline/run

2. 手动触发单个仓库分析

curl -X POST http://localhost:3001/pipeline/run \
  -H "Content-Type: application/json" \
  -d '{
    "scope": "repo",
    "owner": "openai",
    "repo": "openai-node",
    "branch": "main",
    "reason": "manual repo scan"
  }'

3. 手动触发单个 PR 分析

curl -X POST http://localhost:3001/pipeline/run \
  -H "Content-Type: application/json" \
  -d '{
    "scope": "pull_request",
    "owner": "openai",
    "repo": "openai-node",
    "prNumber": 123,
    "reason": "manual pr review"
  }'

4. 查询最新 repo 报告

curl "http://localhost:3001/reports/latest?scope=repo"

5. 查询最新 PR 报告

curl "http://localhost:3001/reports/latest?scope=pull_request"

6. 查询指定日期的 PR 报告

curl "http://localhost:3001/reports/by-date?scope=pull_request&owner=openai&repo=openai-node&prNumber=123&date=2026-04-21"

7. Agent 聊天流接口

后端聊天入口是：

POST /chat/stream

请求体最小示例：

{
  "messages": [
    {
      "id": "msg-1",
      "role": "user",
      "parts": [
        {
          "type": "text",
          "text": "帮我分析 openai/openai-node 的 PR #123 风险"
        }
      ]
    }
  ]
}

这是一个流式接口，适合前端用 Vercel AI SDK 的 useChat() 一类能力对接。

当前数据库表

后端当前核心表为：

• repo_report
• pull_request_report
• mikro_orm_migrations

下一步方向

1. 将 github-sync 从 mock 数据切到真实 GitHub API
2. 扩充 repo / PR 分析规则
3. 补充前端部分