kodustech/kodus-ai · 上手攻略
- 仓库：kodustech/kodus-ai
- 链接：https://github.com/kodustech/kodus-ai
- 分类：ai / code-review
- 作者：Tom
- 更新：2026-08-22
这是什么
kodus-ai（品牌名 Kodus）是一个模型无关的 AI 代码审查平台，让你在自己的 Git 工作流（GitHub / GitLab / Bitbucket / Azure Repos）中接入 AI 审查，同时完全控制底层使用的 LLM 模型，且不在 LLM 调用成本上收取任何差价（零 markup）。
Kodus 的核心定位是：打破 AI 代码审查工具的「锁定」问题——当你在 GitHub Copilot、CodeRabbit、Cursor 等工具做 AI 代码审查时，你被迫使用平台指定的模型，并支付平台在 API 价格上叠加的隐藏溢价。Kodus 让你 Bring Your Own Key，自己选择模型，按实际 API 成本付费。
解决什么问题
- 不想被绑定单一 AI 服务商：你可以用 Claude、GPT-5、Gemini、Llama、GLM、Kimi 或任何 OpenAI 兼容端点
- API 成本透明：LLM 提供商的定价就是你的实际成本，Kodus 不加价（平台订阅费与 LLM 成本分开）
- 自定义审查规则：用自然语言定义团队代码规范，Kody（Kodus 的 AI 代理）每次审查时都会遵循
- 本地部署：代码不出企业防火墙，支持自托管 runner
- CLI 优先：不仅在 PR 上做审查，本地 branch、staged diff、commit 也都能审查
快速安装
方式一：云端（5 分钟快速上手）
- 访问 app.kodus.io/signup 注册免费账户
- 连接你的 GitHub / GitLab / Bitbucket 仓库
- 在 Kodus 设置中填入你的 LLM API Key（支持 OpenAI / Anthropic / Google Gemini / OpenAI 兼容端点）
- 在 PR 中 @ Kody 或等待自动触发审查
云端免费套餐限制：每天 5 次审查 / 每次最多 10 文件 / 每文件最多 500 行。付费套餐解除限制。
方式二：自托管（完整部署）
详细文档：Self-Host Guide
# 克隆仓库
git clone https://github.com/kodustech/kodus-ai.git
cd kodus-ai
# 本地开发初始化
yarn setup
# 启动完整本地基础设施
# （需要 Docker docker-compose，见文档）
⚠️ 自托管说明：完整自托管需要 Docker 和 docker-compose，包含 API、Worker、Webhooks Service、Web App 等多个组件。文档在 docs.kodus.io，首次部署建议使用云端版本熟悉产品逻辑后再考虑自托管。
方式三：纯 CLI（本地审查，无需账户）
# 安装 CLI
# 通过 npm（需要 Node.js）
npm install -g kodus-cli
# 或通过 GitHub Releases 下载二进制
# https://github.com/kodustech/kodus-ai/releases
# 认证
kodus auth login
# 基本审查（当前工作区变更）
kodus review
# 仅审查 staged 变更
kodus review --staged
# 仅输出 prompt（不实际调用 LLM，用于调试规则）
kodus review --prompt-only
# 安装 pre-push hook（阻止超过 severity threshold 的 push）
kodus hook install
CLI 无账户限制：每天 5 次免费审查（试用），每次最多 10 文件，每文件最多 500 行。登录后由订阅计划决定上限。
核心用法
PR 审查（GitHub 为例）
在 GitHub PR 中：
- 自动触发：Kody 在 PR 打开/更新时自动开始审查
- 手动触发：在 PR 评论中输入 @kody review
- 结果呈现：Kody 在 PR 中发布内联评论，按 severity 分级（critical / high / medium / low），并提供具体修复建议
审查输出示例（来自 README 演示）：发现一处 IDOR 风险——organizationId 查询参数传入数组时可能绕过租户隔离，Kody 直接在对应代码行发布评论并给出修复方案。
配置 LLM Provider（Bring Your Own Key）
# 编辑 ~/.kodus/env 或项目根目录 .env
# OpenAI
API_LLM_PROVIDER=openai
API_OPENAI_FORCE_BASE_URL=https://api.openai.com/v1
API_OPEN_AI_API_KEY=sk-...
API_LLM_PROVIDER_MODEL=gpt-5.1
# Anthropic（通过 OpenAI 兼容端点）
API_LLM_PROVIDER=openai
API_OPENAI_FORCE_BASE_URL=https://api.anthropic.com/v1
API_OPEN_AI_API_KEY=sk-ant-...
API_LLM_PROVIDER_MODEL=claude-sonnet-4-6
# Gemini（OpenAI 兼容端点）
API_LLM_PROVIDER=openai
API_OPENAI_FORCE_BASE_URL=https://generativelanguage.googleapis.com/v1beta
API_OPEN_AI_API_KEY=...
API_LLM_PROVIDER_MODEL=gemini-2.5-pro
⚠️ Provider 切换方式：Kodus 所有 provider 均通过统一的环境变量配置（API_LLM_PROVIDER_MODEL 等），切换模型只需改环境变量，不需要改代码。
Kody Rules（自定义审查规则）
Kody Rules 是用自然语言定义的团队代码审查规范，保存在 Kodus 平台，可在组织、仓库、子目录或特定审查范围内生效。
# 通过 CLI 管理规则
kodus rules create --name "禁止 console.log" --content "所有生产代码中不得包含 console.log，应使用结构化日志库（如 pino）"
kodus rules list
kodus rules update <rule-id> --content "新规则内容"
规则定义后，Kody 在每次审查时自动将这些规则作为上下文注入 LLM prompt，确保审查方向符合团队规范。
审查结果输出格式
# 结构化输出（适合 AI agent 解析）
kodus review --prompt-only
# 失败构建（在 CI 中使用）
kodus review --exit-code-on-severity=high
# 如果审查发现 high 及以上问题，exit code 为非零，CI 任务失败
典型适用场景
- 中小团队 AI 审查规范化：不想用 GitHub Copilot Enterprise 的高额套餐，用 Kodus CLI + 自选模型实现等效能力，成本更低
- 多云 LLM 策略：团队同时使用 Claude（主力）和 GPT（备用），Kodus 让切换模型不需要改变审查流程
- 合规敏感行业：金融、医疗等行业的代码审查需要数据不出境，自托管 Kodus + 本地 Llama/GPT-4-all 满足数据主权要求
- AI Coding Agent 辅助：Claude Code / Cursor / Windsurf 等工具可以通过
kodus review --prompt-only的结构化输出建立 review-fix 循环 - Pre-push 本地审查：在 git push 之前用 CLI 做最后一次 AI 检查，防止问题代码进入远程分支
坑与注意
⚠️ 许可证为 AGPLv3：Kodus 是开源的，但采用 AGPLv3 许可证。这意味着如果将 Kodus 作为服务对外运营（而不只是内部使用），需要开源你的修改版本。商业使用建议先咨询法务。
⚠️ CLI vs 云端功能差异：部分高级功能（如 Kody Issues 追踪、Cockpit 指标看板）仅在云端/自托管版本可用，纯 CLI 模式功能较基础。
⚠️ 匿名遥测：自托管实例默认每天发送一次匿名心跳（聚合计数器，不含代码或标识符）。可通过 KODUS_TELEMETRY_DISABLED=true 完全禁用。
⚠️ Deep Mode 三专家并行：Kodus 内部使用多个 specialist agent 并行审查，但这是平台内部实现细节，对外不透明。用户无法直接控制或观察 specialist 的分工逻辑。
⚠️ Model 版本稳定性：README 中写的是 gpt-5.1、claude-sonnet-4-6 等，这些是示例占位符，实际模型名称需参考 LLM 提供商当时的版本命名。Kodus 支持任何 OpenAI 兼容端点，模型名称精确性由用户提供。
⚠️ 审查质量依赖模型能力：Kody 的审查质量直接由底层 LLM 决定。使用较弱的模型（如早期 GPT-4）可能遗漏复杂安全漏洞，Kodus 本身不提供额外的安全分析层。
与同类对比
| 工具 | 模型控制 | LLM 成本 | 许可证 | 部署方式 |
|---|---|---|---|---|
| Kodus | ✅ 完全自选 | 零 markup（自购 key） | AGPLv3 | 云 / 自托管 / CLI |
| GitHub Copilot | ❌ 绑定微软 | 含在订阅中 | 专有 | SaaS |
| CodeRabbit | ❌ 绑定平台 | 含在订阅中 | 专有 | SaaS |
| Cursor (PR Review) | ⚠️ 有限选择 | 含在订阅中 | 专有 | SaaS + IDE |
| Ollama PR Review | ✅ 完全自选 | 仅本地成本 | 开源 | 本地 |
| SMRCoder | ⚠️ 有限 | 未公开 | 专有 | SaaS |
核心差异：Kodus 是目前唯一同时满足「开源 + AGPLv3 + 模型无关 + 零 LLM markup + 支持 PR + CLI + 自托管」的代码审查方案。与 GitHub Copilot/CodeRabbit 等专有工具比，它把模型选择权和定价权还给用户；与 Ollama 本地审查方案比，它提供了完整的平台能力（Kody Rules、指标看板、Git 集成）。
一句话推荐结论
对成本敏感且重视模型选择自由的工程团队，Kodus 是目前最值得评估的 AI 代码审查方案——完全开源、零 LLM markup、支持自托管，让你不用在「好用」和「可控」之间妥协。