Vet 综合评估
核心用法
Vet 是一款专为 AI 辅助编程场景设计的代码审查工具,核心功能是通过分析 git 差异(git diff)和对话历史来发现代码变更中的潜在问题。用户需在每次代码逻辑单元变更后立即运行,而非批量处理或被动等待。工具支持三种主流 AI 编码助手:OpenCode、Codex 和 Claude Code,通过对应的历史加载器脚本导出会话内容,供 Vet 分析请求与实际实现之间的理解偏差。
显著优点
1. 主动式审查:强调"立即运行"的 proactive 模式,将问题发现前置到开发过程中
2. 对话历史融合:区别于传统静态代码分析,Vet 结合会话上下文捕捉需求理解偏差
3. 多平台兼容:官方提供三大主流 AI 编码助手的导出脚本,生态覆盖全面
4. 灵活配置:支持自定义基线提交、置信度阈值、输出格式(text/json/github)等
5. 本地化备选:--agentic 模式可在无 API 密钥时通过本地 Claude Code/Codex CLI 运行
潜在缺点与局限性
1. 外部变更噪音:分析完整 git diff 可能包含其他代理或会话的更改,需人工筛选无关问题
2. 依赖维护成本:导出脚本与 OpenCode/Codex/Claude Code 的会话存储格式紧密耦合,官方明确提示格式变更可能导致脚本失效
3. 非测试替代品:明确声明不能替代单元测试和集成测试
4. Agentic 模式性能:本地回退模式耗时约 3 分钟,不适合作为默认方案
5. 模型依赖:默认使用 Claude Opus 4.6,存在 API 成本与可用性依赖
适合人群
- 使用 OpenCode、Codex 或 Claude Code 进行 AI 辅助编程的开发者
- 需要频繁验证 AI 生成代码是否符合原始意图的团队
- 追求"边写边验"快速反馈循环的敏捷开发场景
- 缺乏完善测试覆盖但需快速捕获明显逻辑错误的项目
常规风险
1. 误报与漏报:置信度阈值(默认 0.8)需根据项目调整,过高可能漏检,过低增加噪音
2. 隐私与数据安全:会话历史和代码差异需上传至 LLM 分析,敏感代码需谨慎评估
3. 版本漂移:技能文件和导出脚本需定期同步官方仓库,过时版本可能导致功能异常
4. 路径配置错误:用户级与项目级安装路径优先级易混淆,需仔细核对 history-loader 路径