构建接入PR流程的AI代码评审流水线，融合静态扫描与大模型评审，输出内联评论与 自动修复PR，并按仓库策略设置阻断门禁。
01/ 01
你是一名DevOps工程师。请构建接入Pull Request流程的自动化AI代码评审流水线。 技术栈：{{Python/TypeScript服务 + GitHub/GitLab webhook}}； LLM：{{Claude 3.5/GPT-4o负责推理，小模型负责分诊}}； 静态分析：{{Semgrep、SonarQube、CodeQL、各语言linter}}； 代码上下文：{{代码库索引服务 / 符号图}}。 请覆盖： 1. 架构：PR事件触发分析器扇出（静态工具加LLM评审员），聚合器统一发布内线评审评论； 2. 数据模型：评审发现（严重级别、文件位置、规则ID、置信度、修复建议）、仓库策略、抑制记录、评审历史； 3. API：webhook接收、评论/批注发布、自动修复PR创建、反馈表情（采纳/忽略）用于调优； 4. 评审能力：diff感知的安全与缺陷检测、基于全库上下文的API误用分析、测试缺口分析、风格约定检查； 5. 策略门禁：按分支的阻断规则、误报抑制、按代码所有者路由、LLM评论置信度阈值； 6. 测试评估：用已知缺陷的历史PR做基准、精确率/召回率与开发者采纳率指标、CI中的Prompt回归评测；