RepoLens
用352个AI专家镜头对代码进行全面审计，支持安全、架构、合规、部署等36个专业领域，自动生成Git
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
用352个AI专家镜头对代码进行全面审计，支持安全、架构、合规、部署等36个专业领域，自动生成Git
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。
深夜十一点，某后端工程师李明（化名）正准备提一个"小改动"——给 API 加上一个新的参数处理逻辑。他心里清楚这个改动有风险，但人工代码评审排期要等三天，项目进度又压着。犹豫间，他想起了团队里刚装的 RepoLens。输入一条命令，二十七分钟后，352 个专家镜头对代码进行了全面"透视"——并发安全缺陷、数据竞争、SQL 注入风险、敏感信息硬编码……一份详尽的审计报告躺在 GitHub Issues 里。
这不是科幻，而是 RepoLens 正在做的事。
RepoLens 由 Bootstrap Academy 开发维护（核心作者为 Cedric Mössner，即 GitHub 用户 TheMorpheus407，YouTube 技术博主"THe Morpheus Tutorials"），诞生于 2026 年初。创始动机直白而务实：现有 AI 代码审查工具过于通用，深度不够。一次让 AI 全面审查代码，结果往往是"这个问题你怎么看"，而不是"这里有一个真实的安全漏洞"。
传统方案的问题在于：给大语言模型一个笼统的"审查代码"指令，它会把 auth bypass 和变量命名错误摆在同一个优先级，更缺乏对专业领域的深度聚焦。RepoLens 的答案是镜头（Lens）——把代码审查分解为 352 个极度专注的专家角色，每个角色只盯一件事。
RepoLens 的核心创新是将代码审计拆解为 36 个领域（Domain）× 多个专家镜头（Lens） 的矩阵结构：
| 领域 | 镜头数 | 覆盖范围 |
|---|---|---|
| 合规（Compliance） | 56 | GDPR、HIPAA、PCI-DSS、SOC2 等 56 种合规框架检查 |
| 部署（Deployment） | 26 | 服务器配置、容器化、安全加固 |
| 安卓（Android） | 17 | APK 安全、权限分析、代码混淆 |
| 内容质量（Content Quality） | 17 | 文档完整性、注释质量、README 评估 |
| 开源就绪（Open Source Readiness） | 13 | License 合规、贡献指南、社区健康度 |
| 产品发现（Product Discovery） | 14 | 需求映射、用户故事提取、功能边界 |
| 安全（Security） | 11 | SQL 注入、XSS、CSRF、加密问题 |
| 运行时日志分析（Runtime Log） | 21 | 日志模式异常、告警风暴识别 |
| 代码质量（Code Quality） | 14 | SOLID 原则、代码重复、圈复杂度 |
| 架构（Architecture） | 9 | 设计模式契合度、耦合度分析 |
| 测试（Testing） | 9 | 覆盖率、边界测试、Mock 使用 |
| 前端（Frontend） | 5 | 响应式设计、无障碍访问（a11y） |
| 视觉设计（Visual Design） | 5 | 颜色对比度、排版一致性 |
| 交互设计（Interaction Design） | 8 | 错误提示、加载状态、导航逻辑 |
| 性能（Performance） | 9 | N+1 查询、缓存效率、内存泄漏 |
| 可观测性（Observability） | 5 | 追踪埋点、日志规范、指标定义 |
| DevOps | 6 | CI/CD 流程、配置管理、回滚机制 |
| LLM 安全（LLM Security） | 5 | Prompt 注入、数据泄露防护 |
| Kubernetes | 7 | Pod 安全策略、资源配额、滚动更新 |
| 基础设施即代码（IaC） | 5 | Terraform 安全、Helm Chart 审计 |
| 并发（Concurrency） | 4 | 线程安全、锁粒度、死锁检测 |
| 数据库（Database） | 6 | 索引策略、迁移脚本规范化 |
| 国际化（i18n） | 2 | 字符串硬编码、区域格式化 |
| 文档（Documentation） | 4 | API 文档、变更日志、贡献指南 |
| API 设计（API Design） | 6 | REST 规范、版本控制、错误码 |
| 错误处理（Error Handling） | 6 | 异常捕获策略、降级方案 |
| 可维护性（Maintainability） | 6 | 技术债追踪、重构优先级 |
| 设计系统（Design System） | 4 | 组件一致性、Token 规范 |
| 信息架构（Info Architecture） | 6 | 导航结构、面包屑、URL 规范 |
| 自适应 UX（Adaptive UX） | 5 | 暗色模式、字体缩放、高对比度 |
| UX 反模式（UX Anti-Patterns） | 6 | 诱导点击、模态滥用、微交互过度 |
| 工具门控（Tool Gate） | 18 | Shell 命令白名单、沙箱化检查 |
| 抛光模式（Polishing） | 16 | 拼写检查、风格统一、表达流畅性 |
| 绿野规划（Greenfield Planning） | 1 | 从零搭建技术栈建议 |
| 总计 | 352 | 36 个专业领域 |
RepoLens 不只是一款代码审计工具，它支持 11 种运行模式：
每个镜头的执行都遵循三轮迭代收敛协议：AI agent 必须在输出中连续三次以 "DONE" 开头或结尾，才算完成该镜头的分析。这一机制避免了"草率结论"和"无限循环"两个极端。与传统 AI 评审的"一次通过"形成鲜明对比。
基于文件锁的信号量机制，RepoLens 支持多镜头并行执行（默认并行度可配置），并通过 logs/<run-id>/ 目录记录每轮结果。遇到中断时，--resume <run-id> 可从断点继续，跳过已完成镜头。
RepoLens 是 Agent 无关的，支持以下 CLI 后端：
内置 token 计费估算器，可实时计算审计成本（完整审计约数百美元）。
repolens.sh（约 165KB）是整个工具的入口和协调器，核心流程：
--project、--agent、--mode、--resume 等）config/domains.json 读取镜头注册表lib/filing.sh 向远程 Forge（GitHub/Gitea/Forgejo）提交 Issues整个工具由 27 个 bash 模块组成，职责清晰：
core.sh：全局状态与变量logging.sh：结构化日志（[LEVEL] [timestamp] message）parallel.sh：基于文件锁的并发调度template.sh：提示词模板引擎（base template + lens body 拼接，{{VARIABLES}} 替换）streak.sh：DONE×3 收敛检测synthesize.sh：多镜头结果汇总ledger.sh：成本追踪filing.sh：远程 Issue 创建（支持 gh / tea / fj CLI）triage.sh：结果分类与优先级排序polish.sh：抛光模式执行器android.sh：APK 解压与静态分析forge.sh：多 Forge 检测与适配rounds.sh：多轮迭代控制status.sh：运行状态查询human_review.sh：人工复核流程artifacts.sh：本地产物管理（代码修改建议、文档草稿等）clean.sh：运行后清理所有模块均遵循 set -uo pipefail（不含 set -e，调用方自行处理错误）。
config/domains.json（15.5KB）：镜头注册表，定义每个镜头的 ID、领域、模式可见性config/agent-pricing.json：模型 token 单价，用于实时成本估算config/finding-types.json：审计发现类型分类config/label-colors.json：GitHub Issue 标签颜色映射prompts/
_base/
audit.md # audit 模式通用规则
discover.md # discover 模式通用规则
deploy.md # deploy 模式通用规则
...
lenses/
security/
sql-injection.md # SQL 注入专项镜头
xss.md # XSS 专项镜头
...
code-quality/
solid-principles.md
...
每个镜头提示词包含 YAML frontmatter（id、domain、name、role）和 ## Your Expert Focus 专家规则体。添加新镜头无需改代码，只需创建提示词文件并注册到 domains.json。
# 方式一：自动安装脚本（推荐）
curl -sSL https://raw.githubusercontent.com/TheMorpheus407/RepoLens/master/install.sh | bash
# 方式二：手动安装前置工具
# Bash 4.0+、Git、jq
# 至少一个 Agent CLI（claude / codex / opencode）
# 方式三：Docker 方式
# 注意：RepoLens 本身无 Dockerfile，用户可自行封装
# 对本地仓库进行全面审计（使用 Claude agent）
./repolens.sh --project /path/to/repo --agent claude
# 对 GitHub 仓库远程审计（自动 clone 为只读）
./repolens.sh --project https://github.com/owner/repo --agent claude
# 指定运行模式
./repolens.sh --project /path/to/repo --agent claude --mode discover
# 查看运行状态
./repolens.sh status <run-id>
# 断点续扫
./repolens.sh --project /path/to/repo --agent claude --resume <run-id>
# 清理运行缓存
./repolens.sh clean
RepoLens 内置实时成本估算，可通过 config/agent-pricing.json 更新模型价格。一次完整的 282 镜头审计，估算成本从数十美元（Haiku）到数百美元（Opus 4.7）不等。建议先用 --dry-run 或单镜头测试。
⚠️ RepoLens 不是沙箱化的安全工具。Agent 拥有真实的 Shell 执行权限，对仓库有写操作（通过 git push 创建 Issues）。生产环境使用前务必阅读 SECURITY.md，了解安全边界。
尽管 RepoLens 展现了令人印象深刻的工程深度，但它并非没有争议和局限：
RepoLens 的出现折射出 2025-2026 年 AI 工程领域的几个关键趋势：
趋势一：从通用 AI 向垂直专家 Agent 演进。通用大模型在特定领域（如合规审计、安全渗透测试）的表现，远不如针对该领域深度微调的专项提示词 + Agent 组合。RepoLens 的 352 镜头体系证明了这一点。
趋势二：AI 工具与 CI/CD 深度集成。RepoLens 的 --resume 断点续扫、自动提交 Issues 到 GitHub 的能力，使其天然适配自动化流水线。可以预期未来会出现 "RepoLens as a CI Gate" 的实践。
趋势三：多 Agent 协作框架的开源化。RepoLens 的模块化提示词工程 + 并行调度模式，与微软 AutoGen、LangGraph 等框架在思路上异曲同工，但 RepoLens 更聚焦于代码审计单一场景，工程化程度更高。
| 使用场景 | 推荐配置 |
|---|---|
| 首次体验 | repolens.sh --project <repo> --agent claaude --mode discover（产品发现，14 镜头，成本低） |
| 正式审计 | repolens.sh --project <repo> --agent claaude --mode audit（完整审计，282 镜头） |
| 预算有限 | 使用 --agent claaude --model claaude-haiku-4-5（成本约为 Opus 的 1/5） |
| CI 集成 | 使用 --resume <run-id> 配合 CI pipeline，生成审计报告 |
| 关注安全 | 优先运行 Security（11 镜头）+ LLM Security（5 镜头）+ Tool Gate（18 镜头） |
一句话总结：RepoLens 是目前最系统化、工程化程度最高的开源 AI 代码审计框架，用 352 个专家镜头 + DONE×3 收敛协议 + 多 Agent 并行架构，重新定义了"让 AI 帮你做代码审查"这件事的下限。