核心用法
Vet 是一款面向 AI 辅助编程场景的代码审查工具，其核心设计理念是"即时验证"——在每次代码逻辑单元变更后立即运行，而非批量检查或被动等待。工具通过对比 git diff 与会话历史（conversation history），识别实现与需求之间的理解偏差，特别适用于多轮对话驱动的开发场景。
显著优点：
- 主动预防：强调"proactive"运行模式，将问题发现时机前移至编码过程中
- 多平台支持：原生集成 OpenCode、Codex、Claude Code 三大主流 AI 编程工具
- 灵活部署：支持 pip/pipx/uv 多种安装方式，提供用户级与项目级安装选项
- 智能会话定位：内置针对不同平台的会话导出脚本，支持通过关键词 grep 快速定位会话文件
- 双模式运行：标准 API 模式与
--agentic本地代理模式（调用 Claude Code/Codex CLI），后者在 API 密钥缺失时可用且精度更高
潜在缺点与局限性：
- 非测试替代：明确声明不能替代单元测试，仅覆盖需求理解层面
- 跨会话噪音：分析完整 git diff 时会包含其他代理或会话的变更，需人工筛选无关问题
- 模型依赖：默认使用 Claude 模型，自定义模型需手动配置 OpenAI-compatible 端点
- 速度权衡：
--agentic模式虽精度高但速度较慢
适合人群：
- 使用 AI 编程助手（Claude Code/Codex/OpenCode）的开发者
- 需要高频验证需求理解准确性的团队协作场景
- 缺乏完善测试覆盖但需快速发现明显逻辑偏差的迭代开发
常规风险：
- 误报/漏报：LLM 分析存在置信度阈值（默认 0.8），可能遗漏低置信度问题或产生误报
- 数据隐私：会话历史包含完整对话内容，需确认导出脚本的数据处理范围
- 工具链过时：技能文件、导出脚本需随平台更新同步维护