- ✓
最多 20 条评论或 10 美元的 LLM 额度
- ✓
完整标准版功能
- ✓
多版本控制系统支持
Acrity
采用对抗式共识的 AI 代码审查
Acrity 是什么?
Acrity 是一款基于"对抗式共识"机制的 AI 代码审查工具,它让多个 AI 专家角色(架构、规格校验、QA/行为、安全)并行审查同一份 PR,再相互挑战彼此的发现,最终汇总成一条可追溯的评审结论。每一轮审查都附带成本、token 用量与耗时等透明指标,方便团队把控效率与质量。
产品详细介绍
采用对抗式共识的 AI 代码审查
Acrity 是一款基于"对抗式共识"机制的 AI 代码审查工具,它让多个 AI 专家角色(架构、规格校验、QA/行为、安全)并行审查同一份 PR,再相互挑战彼此的发现,最终汇总成一条可追溯的评审结论。每一轮审查都附带成本、token 用量与耗时等透明指标,方便团队把控效率与质量。
定价方案
有免费方案- ✓
可使用所有标准版功能
- ✓
阶梯式批量折扣
- ✓
真实 LLM 成本的透明直通
- ✓
随用量增长而递减的费率
- ✓
在仪表板上可见的每次调用成本
创始人评论
嗨,Product Hunt 👋
我是 Auguimar,Acrity 的作者。
我打造 Acrity 是因为代码评审正在成为工程团队的一个真实瓶颈。
团队需要更快地交付,但每个 PR 仍需要细致的审查:架构、需求、回归、边界情况、安全性以及生产风险。人工评审很有价值,但很难在每一次变更中都做到深度规模化。
Acrity 采用对抗式方法进行 AI 代码评审。
不是由一个模型给出单一观点,而是通过多个专业视角来评审每个 pull request:
🧠 架构师 — 架构、分层、耦合以及项目规范
📋 规范验证器 — diff 与任务及验收标准的对照
🧪 QA / 行为 — 回归、风险行为以及边界情况
🔐 安全 — 安全敏感变更与风险模式
随后由一位主席(Chairman)整合所有发现,去除噪声,化解冲突,并产出一份带有证据的、可追溯的裁决。
一些我非常看重的原则:
• 发现应被质疑后再成为决策
• 评审应产出证据,而非泛泛的评论
• 团队应能查看每个 PR 所花费的时间、token、模型调用次数与成本
• 可以在不同轮次中使用不同的模型/供应商,以减少盲点
• 评审应契合团队已有的工作流
Acrity 可与 GitHub、GitLab、Bitbucket、Azure DevOps、Jira、Linear、ClickUp 以及原生 issue 跟踪器集成。
今天即可试用。
我将非常感谢来自工程师、技术负责人、创始人以及每天评审真实 PR 的团队给出的真诚反馈。
哪些地方让您觉得有用?
哪些地方让您觉得嘈杂?
还缺少什么?
怎样做才能让您的团队足够信任它?
感谢您抽时间了解 — 非常乐意回答任何问题。
创始团队
官网信息
Acrity 不是在 PR 上随意发表意见的普通机器人。它是面向团队的决策层,帮助团队在更快审批的同时,不丢失审批标准、过程可追溯性以及显性成本。