Review-Gate
LakshmanTurlapati/Review-Gate加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你用过 Cursor IDE 吗？当你给它一个稍微复杂点的任务——比如「帮我重构这个模块，加上完整的类型注解和单元测试」——Cursor 可能用完 5 次工具调用就把任务结了，把结果甩到你面前。但实际上，这个任务还有优化空间，你还有 follow-up 要提。
这时候你会怎么做？发一条 follow-up。但每一条 follow-up 都是一次新的请求，会消耗你每月有限的 ~500 次 API 配额。
作者 Lakshman Turlapati 就被这个问题困扰了很久。他的痛点很具体：一次复杂任务被拆成多次请求，每条请求只消耗 5~10 次工具调用，剩余的 1520 次工具调用能力被白白浪费。 更要命的是，follow-up 一多，500 次配额蹭蹭往下掉。
Review Gate V2 就是他给出的解决方案——把 Cursor 变成一个「按我的节奏走」的 AI 伙伴，而不是「丢给你就完事」的甩手掌柜。
Cursor IDE 的 Pro 版本每月提供约 500 次 AI 请求配额。用户在处理复杂多步骤任务时，Cursor Agent 通常在第一个 main request 中使用 5~25 次工具调用后即完成任务，但实际上复杂任务往往需要多轮迭代优化。传统做法是发 follow-up，每条都计一次请求配额。Review Gate 的核心思路是：既然工具调用预算是一次性给的，不如把这个循环的控制权还给人类——让 AI 等你确认「这轮做完了」，而不是自作主张提前收工。
该项目于 2025 年 5 月在 GitHub 开源，不到一年时间已积累超过 1500 颗星，成为 Cursor 生态中关注度较高的效率工具之一。
Review Gate V2 基于 Model Context Protocol (MCP) 构建，它在 Cursor Agent 和用户之间插入了一个「等待确认」的关卡：
graph TD
A[用户给出复杂任务] --> B[Cursor Agent 处理任务]
B --> C[Review Gate 规则激活]
C --> D[弹出 Review Gate 窗口]
D --> E[多模态用户输入]
E --> E1[文字指令]
E --> E2[语音输入]
E --> E3[图片上传]
E1 --> F[Agent 继续执行更多工具调用]
E2 --> F
E3 --> F
F --> G{任务完成?}
G -->|否| D
G -->|是| H[单次请求产出5倍价值]
关键机制：当 Cursor Agent 调用工具次数接近上限时，它会调用 review_gate_chat 这个 MCP 工具，自动弹出 Review Gate 窗口。用户可以通过文字、语音或图片三种方式输入后续指令，AI 在收到确认后才真正结束本次请求。
| 功能 | V1（终端版） | V2（MCP集成版） |
|---|---|---|
| 交互界面 | 终端脚本 | 精美弹窗界面 |
| 输入方式 | 仅文字 | 文字+语音+图片 |
| 集成方式 | Python脚本 | 原生 MCP 工具 |
| 平台支持 | macOS/Linux | macOS+Windows+Linux |
| 语音转文字 | 无 | 有（Faster-Whisper本地AI） |
| 图片上传 | 无 | 有（多格式支持） |
| 实时状态 | 无 | 有（MCP状态指示器） |
| 安装方式 | 手动配置规则 | 一键安装脚本 |
语音输入：V2 内置了 Faster-Whisper 本地语音识别模型（CPU 推理），点击麦克风按钮说话，文字自动转录。无需联网，完全本地运行，保护隐私。作者设计了 fallback 策略：依次尝试 base 模型 int8、base 模型 float32、tiny 模型，层层降级确保大多数机器都能跑起来。
图片上传：用户可以直接在弹窗中上传截图、设计稿、架构图等，AI 会「看到」这些图片作为上下文。这是多模态交互的核心能力，尤其适合产品设计讨论、UI 修改等场景。
Review Gate V2 的 Python MCP 服务端（review_gate_v2_mcp.py，746行）和 Cursor 扩展（extension.js，约 13 万行）之间通过本地文件系统（/tmp/review-gate-v2/<username>/sessions/）进行进程间通信（IPC）。
安全设计亮点：
0o700（仅本人可读写）validate_runtime_path() 确保所有文件操作都在 runtime_root 范围内MCP 服务端维护了完整的状态机：trigger → acknowledgement → response 三阶段握手协议，配合心跳机制（每10秒一次）和超时清理，确保对话不会「卡死」在中间状态。
项目语言：JavaScript（Cursor 扩展）+ Python（MCP 服务端）
核心技术栈：
目录结构：
Review-Gate/
├── V2/
│ ├── cursor-extension/ # Cursor IDE 扩展（Node.js）
│ │ ├── extension.js # 扩展主逻辑（~13万行，经混淆/打包）
│ │ └── package.json
│ ├── review_gate_v2_mcp.py # MCP 服务端核心（746行）
│ ├── install.sh/ps1/bat # 跨平台一键安装脚本
│ ├── uninstall.* # 卸载脚本
│ └── mcp.json # MCP 客户端配置模板
├── scripts/ # 打包和测试脚本
└── readme.md # 详细文档（超1.5万字）
MCP 集成模式：用户通过 install.sh 安装后，Cursor 会加载 Review Gate 扩展，并将 MCP 配置写入 mcp.json。MCP 服务端以独立 Python 进程运行，通过文件系统与 Cursor 扩展通信。
安装难度：低。一键安装脚本（install.sh）覆盖了 macOS/Linux，install.ps1 覆盖 Windows，脚本会自动检测依赖（Python、Node.js、Git），配置 Cursor 扩展和 MCP 运行时。
使用门槛：低到中。需要对 Cursor IDE 有基本了解，知道如何打开 Cursor Command Palette（Cmd+Shift+P）并运行命令。语音功能需要首次下载 Whisper 模型（约几十MB），取决于网络速度。
适用人群：
review_gate_v2_mcp.py 代码规范、文档完善，而 extension.js 约 13 万行未经良好格式化（可能经过混淆或打包），代码可读性差。Review Gate 体现了 AI 编程工具领域的一个新兴趋势：从「AI 自主决策」到「人机协同控制」的范式转换。随着 Claude、GPT-4 等模型的工具调用能力越来越强，如何高效管理 AI 的行为边界成为新课题。
从数据看，该项目 2025 年 5 月创建，不到一年 1500+ stars，说明这个需求在 Cursor 社区有相当的共鸣。随着 Cursor 的 MCP 生态完善，未来可能出现更多类似的「AI 效率增强工具」，形成一个新的工具品类。
此外，作者将 GSD（Getting Stuff Done）工作流引入了项目开发规范（AGENTS.md），体现了对 AI 辅助编程本身的方法论探索。
总结：Review Gate V2 不是一个「用了就能提升5倍效率」的神器，它的核心价值是给你一个明确的「AI 暂停点」，让你在复杂任务中真正掌控节奏。对于 Cursor 重度用户，这是一款值得一试的生产力工具。