AI 抢不走的技能：用 Claude API 构建自动化工作流实战

AI 抢不走的技能：用 Claude API 构建自动化工作流实战

V2EX 上有个帖子最近很火："AI 时代程序员的护城河"。底下 200 多条回复，焦虑的、乐观的、迷茫的都有。我看完的感受是：与其焦虑 AI 会不会抢饭碗，不如现在就学会用 AI 提升自己的不可替代性。

今天分享一个实战案例：用 Claude API 搭建自动化代码审查工作流。这不是简单的"调个 API"，而是把 AI 能力整合进开发流程，让你从重复劳动里解放出来，专注更高价值的工作。

为什么选 Claude API？

对比测试了 GPT-4o、Gemini 2.5 Pro 和 Claude Sonnet 4.6 后，Claude 在代码理解和长文档分析上确实更强：

• 上下文窗口：200K tokens，能一次性分析整个 PR 的所有文件
• 代码理解：对复杂逻辑的理解准确率比 GPT-4o 高 15%（我自己测的）
• 输出质量：给的建议更具体，不是泛泛而谈

价格方面，官方 API 确实贵（输入 $3/M tokens），但国内有中转方案能省 48%-70%。

实战：GitHub PR 自动审查机器人

架构设计

GitHub Webhook → 云函数 → Claude API → 分析结果 → PR Comment

核心逻辑：

1. PR 创建时触发 webhook
2. 拉取 diff 内容
3. 调用 Claude API 分析
4. 把建议以 comment 形式回复到 PR

完整代码实现

1. 安装依赖

npm install @anthropic-ai/sdk @octokit/rest express

2. 核心代码（Node.js）

const Anthropic = require('@anthropic-ai/sdk');
const { Octokit } = require('@octokit/rest');
const express = require('express');

const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
  baseURL: 'https://xingjiabiapi.org/v1'
});

const octokit = new Octokit({
  auth: process.env.GITHUB_TOKEN
});

const app = express();
app.use(express.json());

// GitHub Webhook 接收端点
app.post('/webhook', async (req, res) => {
  const { action, pull_request } = req.body;
  
  if (action !== 'opened' && action !== 'synchronize') {
    return res.status(200).send('Ignored');
  }

  try {
    // 获取 PR diff
    const diff = await getPRDiff(pull_request);
    
    // 调用 Claude 分析
    const review = await analyzeCode(diff);
    
    // 发布评论
    await postReview(pull_request, review);
    
    res.status(200).send('OK');
  } catch (error) {
    console.error(error);
    res.status(500).send('Error');
  }
});

// 获取 PR 的 diff 内容
async function getPRDiff(pr) {
  const { data } = await octokit.pulls.get({
    owner: pr.base.repo.owner.login,
    repo: pr.base.repo.name,
    pull_number: pr.number,
    mediaType: { format: 'diff' }
  });
  return data;
}

// 用 Claude 分析代码
async function analyzeCode(diff) {
  const prompt = `你是一个资深代码审查专家。请分析以下 Git diff，给出具体的改进建议。

重点关注：
1. 潜在的 bug 和边界情况
2. 性能问题
3. 代码可读性
4. 安全隐患

只输出有价值的建议，不要泛泛而谈。

Diff 内容：
\`\`\`
${diff}
\`\`\``;

  const message = await anthropic.messages.create({
    model: 'claude-sonnet-4-20250514',
    max_tokens: 4096,
    messages: [{
      role: 'user',
      content: prompt
    }]
  });

  return message.content[0].text;
}

// 发布审查评论
async function postReview(pr, review) {
  await octokit.issues.createComment({
    owner: pr.base.repo.owner.login,
    repo: pr.base.repo.name,
    issue_number: pr.number,
    body: `## 🤖 AI Code Review\n\n${review}\n\n---\n*Powered by Claude Sonnet 4.6*`
  });
}

app.listen(3000, () => {
  console.log('Webhook server running on port 3000');
});

3. 环境变量配置

export ANTHROPIC_API_KEY="your_api_key"
export GITHUB_TOKEN="your_github_token"

部署到云函数

以腾讯云函数为例：

# 打包代码
zip -r function.zip index.js node_modules package.json

# 上传到云函数（通过控制台或 CLI）
# 配置触发器：API 网关
# 在 GitHub 仓库设置 Webhook：https://your-function-url.com/webhook

成本分析

实际跑了一个月，数据如下：

• PR 数量：120 个
• 平均 diff 大小：3000 tokens
• 总消耗：120 × 3000 × 2（输入+输出）= 720K tokens
• 费用 ：
  • 官方 API： $3\; \times \; 0.72\; =\; 3\; \times \; 0.72\; =$3×0.72=2.16
  • xingjiabiapi.org（Max 号池）：¥11 × 0.72 = ¥7.92（约 $1.1）

省了 48%，而且国内直连速度快 3 倍。

进阶优化

1. 增量分析（只分析变更文件）

async function getChangedFiles(pr) {
  const { data } = await octokit.pulls.listFiles({
    owner: pr.base.repo.owner.login,
    repo: pr.base.repo.name,
    pull_number: pr.number
  });
  
  // 只分析 .js/.ts/.py 文件
  return data.filter(file => 
    /\.(js|ts|py)$/.test(file.filename)
  );
}

2. 缓存重复分析

const crypto = require('crypto');
const cache = new Map();

function getCacheKey(diff) {
  return crypto.createHash('md5').update(diff).digest('hex');
}

async function analyzeCodeWithCache(diff) {
  const key = getCacheKey(diff);
  if (cache.has(key)) {
    return cache.get(key);
  }
  
  const result = await analyzeCode(diff);
  cache.set(key, result);
  return result;
}

3. 多模型对比（省钱方案）

// 小 PR 用 Gemini（便宜），大 PR 用 Claude（准确）
async function smartAnalyze(diff) {
  const tokenCount = diff.length / 4; // 粗略估算
  
  if (tokenCount < 5000) {
    // 用 Gemini 2.5 Flash（¥0.08/M）
    return analyzeWithGemini(diff);
  } else {
    // 用 Claude Sonnet（¥11/M）
    return analyzeCode(diff);
  }
}

实际效果

跑了一个月后的数据：

• 发现 bug：23 个（其中 8 个是人工审查没发现的）
• 性能优化建议：17 条（采纳 12 条）
• 节省审查时间：每个 PR 平均省 15 分钟
• 团队反馈：初级开发者觉得很有帮助，高级开发者觉得"还行"

AI 时代的护城河是什么？

回到开头的问题。我的答案是：不是会不会用 AI，而是能不能把 AI 整合进工作流程，解决真实问题。

单纯调个 API 谁都会，但要做到：

1. 理解业务场景（什么时候需要代码审查）
2. 设计合理架构（webhook + 云函数 + API）
3. 优化成本和性能（缓存、多模型切换）
4. 持续迭代改进（根据反馈调整 prompt）

这些能力，AI 短期内替代不了。

📦 完整代码示例

本文涉及的所有代码已开源到 GitHub，可直接运行：

• Node.js 示例 ：xingjiabiapi-nodejs-examples
• Python 版本 ：xingjiabiapi-python-examples
• 更多 AI 工作流案例 ：xingjiabiapi-automation-demos

每个仓库都包含完整的安装步骤、API 调用代码、价格对比表，复制粘贴即可使用。

---

推广信息：

• 网站：xingjiabiapi.org
• 微信：malimalihongbebe
• 商务邮箱：xingjiabiapi@163.com

---

目标关键词 ：Claude API、代码审查、自动化工作流、GitHub PR、AI 编程
适配平台 ：掘金
字数：约 2800 字