✨ Self-hosted AI-ревью для GitLab
AI-ревьюер, который читает
каждый MR. Тимлид — утверждает.
AI проверяет каждый merge request и готовит замечания к строкам кода.
LLM работает локально — код не покидает вашу инфраструктуру.
РАБОТАЕТ В ВАШЕЙ ИНФРАСТРУКТУРЕ — БЕЗ ВНЕШНИХ ОБЛАКОВ
- GitLab CE / EE
- Jira
- Ollama · qwen2.5-coder
- Docker Compose
- PostgreSQL · Redis
Как работает
Каждый MR под контролем — за четыре шага
Прозрачный поток: от пуша в GitLab до опубликованного ревью, где последнее слово всегда за человеком.
Разработчик открывает MR
Пуш в GitLab автоматически ставит merge request в очередь на ревью по webhook. Ничего не нужно нажимать.
AI читает дифф и задачу
Локальная LLM анализирует изменения в несколько проходов, сверяет с критериями приёмки из Jira и правилами команды.
Тимлид проверяет черновик
Замечания с уровнем важности и привязкой к строкам. Утвердить, отклонить или дописать своё — в одном экране.
Публикация в GitLab
Одним кликом одобренные замечания уходят inline-комментариями обратно в MR. AI никогда не публикует сам.
Возможности
Полный контекст. Локальная модель. Человек в контуре.
Всё, чтобы ни один баг не проскочил в main, а код остался у вас.
Мульти-проход анализа
Два фокус-прохода — «безопасность и данные» и «логика и контракты» — со слиянием результатов. Выше полнота даже на локальных моделях.
Код не покидает контур
LLM работает локально через Ollama. Секреты маскируются до отправки в модель, внешние AI-API заблокированы на уровне сервера.
GitLab и Jira из коробки
Настраивается один раз админом. Новый проект — из списка репозиториев, Jira-доска — селектом. AI сверяет код с критериями приёмки.
Оценка риска и качества
Каждый MR получает уровень риска и оценку качества кода. Сразу видно, что смотреть в первую очередь, а что можно влить спокойно.
31 правило ревью
Каталог с поиском и группами по языку и фреймворку. Профили правил настраиваются на каждый проект.
Одного GPU хватает на команду
Команде до 20 разработчиков достаточно одной видеокарты 24 ГБ. Ревью асинхронное — очередь выравнивает пики.
Тарифы
Растут вместе с вашей командой
Начните с бесплатного пилота. Цены платных тарифов ориентировочные и уточняются под ваш масштаб и железо.
Пилот
Попробовать на одном репозитории
- 1 репозиторий GitLab
- Ревью по запросу
- Локальная модель 7B
- Базовые правила ревью
- 1 пользователь
Команда
Для продуктовой команды до 20 человек
- До 20 разработчиков
- Авто-ревью по webhook
- Мульти-проход анализа
- GitLab + Jira из коробки
- 31 правило, профили на проект
- Оценка риска и качества
- Приоритетная поддержка
Enterprise
Для больших команд и особых требований
- Без лимита пользователей
- Развёртывание в вашем контуре
- Помощь с подбором железа (GPU)
- Обучение команды
- Выделенная поддержка и SLA
- Кастомные правила ревью
FAQ
Частые вопросы
Мой код уходит в облако или к вам на серверы?
Нет. Модель работает локально через Ollama на вашем железе, весь стек разворачивается в вашей инфраструктуре. Секреты маскируются до отправки в модель, внешние AI-API заблокированы. Код не покидает ваш контур.
Как это встраивается в наш процесс в GitLab?
По пушу в MR webhook запускает фоновое ревью. AI готовит черновик замечаний с привязкой к строкам, тимлид утверждает или отклоняет каждое, и одобренные публикуются inline-комментариями обратно в merge request. AI никогда не публикует сам.
Какая модель используется и надо ли её обучать?
Готовая open-source модель qwen2.5-coder (Apache 2.0), запускается локально. Дообучать её не нужно — она уже умеет читать код. Настройка ревью идёт через правила и профили на проект, а не через переобучение.
Какое железо нужно?
Для команды до 20 разработчиков достаточно одного GPU на 24 ГБ (например, RTX 4090) с моделью 14B. Ревью асинхронное — очередь выравнивает пики. Для пилота хватит и меньшей модели 7B. Поможем подобрать конфигурацию.
Заменит ли AI ревьюера-человека?
Нет, и не должен. AI снимает рутину — очевидные баги, утечки секретов, нарушения стиля и типов — а решение всегда за тимлидом. В статистику разработчика попадают только подтверждённые человеком замечания.
Можно ли попробовать до покупки?
Да. Есть бесплатный пилот на одном репозитории — развернём вместе с вашей командой и покажем работу на ваших реальных merge request'ах.
Проверяйте каждый MR. Не теряйте баги.
Запустите бесплатный пилот — код остаётся в вашем контуре.
Открыть демо