嫌 AI 代码评审报价百万，自建方案月花 300 美元

Postman 工程师在给团队寻找 AI 代码评审工具时，收到了约 100 万美元/年的商业报价，转而自建开源方案 Nitpicker，月成本仅约 300 美元，目前已在约 100 个仓库上线运行。

缘起：一百万美元的报价

这位工程师最初的目标很朴素：在 Postman 的 PR 流程里加一层 AI 评审，拦截低级失误，把架构层面的判断留给人类。他向多家供应商询价，得到的结果是「每年约 100 万美元」。原因据他描述是「需要 SOC2 或 SSO 支持」。在他看来，这套软件做的事情并不复杂：读取 diff、塞进 prompt、在 PR 下发评论。

Nitpicker 的实现路径

Nitpicker 的默认流程被刻意保持极简：

• 读取 PR 的 diff 文本
• 发起一次模型调用，使用结构化输出
• 将评审意见作为评论回写到 PR

整个流程通常在数十秒内完成，单次消耗几千 token，成本「几分之一美分」。GitHub Action、Lambda、Cloudflare Workers 或任意能接收 webhook 的服务器都可部署。

实际运行数据

作者公开的运行数据如下：

• 接入仓库数：约 100 个
• 单仓库最多 PR 量：每日数千
• 月度成本：约 300 美元
  • 其中绝大部分是模型 token
  • 计算资源（Lambda）几乎可以忽略

设计上没有任何常驻组件：没有向量库、没有仓库级索引、没有控制面。冷启动到返回结果的网络调用约 300 ms。

对按席位定价的批评

文章用了相当篇幅讨论 SaaS 的定价模型。作者认为，AI 代码评审的实际成本与 diff 体量相关，而商业方案普遍按席位收费，「成本随人头走，他们的成本随 diff 走，两者之间的差距就是这套商业模式本身」。他进一步主张：

• 拥有模型选择权，便宜模型做首轮、昂贵模型只在必要时介入
• 模型价格持续下降，自托管可以「吃到」这部分红利
• 95% 的 PR 不需要全仓库索引，向量检索与大规模上下文往往是大材小用

差异化卖点

除成本外，作者强调了几点非价格优势：

• 无第三方接触源代码：只向自有模型供应商发起调用
• 无 SOC2 流程：自托管省去安全问卷、DPA、采购等流程
• 无供应商锁定：开源、不满意可 fork、项目停摆仍可继续使用
• 无席位限制：人员扩张不影响账单

交互与定制

Nitpicker 支持在 PR 评论下与机器人对话：追问理由、要求修改、驳回意见，都可以在评论流里完成。作者建议每个仓库自带一份指南文件（checked into the repo），作为系统提示的一部分，以替代「严格度」滑块这类通用配置。

局限与适用场景

作者承认质量上限低于顶级闭源方案，但定位明确：替代「打开 PR 前那 40 分钟的盲区」，而非取代高级工程师的架构判断。如需零成本，可指向本地 Ollama，牺牲部分质量换取数据不出网。开源地址为 nitpicker.dev。