Для AI-рев'ю коду на власному сервері бот на кожен merge request чи pull request викликає локальну LLM на вашій GPU і пише коментарі, тож ні код, ні diff не залишають вашої мережі. Відкритий PR-Agent (MIT) робить це для GitHub, GitLab, Bitbucket і Gitea через вебхук-сервер або завдання CI, другим варіантом є Kodus (AGPLv3).

За нашою оцінкою з цифр NVIDIA, однієї RTX PRO 6000 Blackwell Server Edition вистачає на рев'ю цілого відділу, бо запити чекають у черзі.

Коротко

  • PR-Agent, переданий Qodo спільноті, розвивається як The-PR-Agent/pr-agent під MIT, працює з GitHub, GitLab (зокрема self-managed), Bitbucket і Gitea і в жовтні 2026 року мав три релізи.
  • Моделі він викликає через LiteLLM, зокрема Ollama і vLLM, хоча його документація в розділі від січня 2025 року називає локальні моделі непридатними для промислового аналізу коду.
  • Kodus (AGPLv3) працює з GitLab Self-Managed, Bitbucket Data Center і GitHub Enterprise Server, приймає будь-який сумісний з OpenAI ендпоінт і потребує від 8 ГБ RAM.
  • За нашим розрахунком із таблиці NVIDIA, одна RTX PRO 6000 Blackwell Server Edition виконує близько 22 викликів за хвилину з промптом на 32K токенів на Qwen3-30B-A3B у FP4, тобто верхня межа становить кілька сотень merge requests за годину.
  • На карті 96 ГБ Qwen3-Coder-30B-A3B у FP8 за нашим правилом одночасно тримає 8 рев'ю по 64K токенів, а з кешем FP8 до 17.

Що робить бот на кожному merge request

PR-Agent працює командами, які запускає сам під час відкриття merge request або які розробник пише в коментарі. /describe складає заголовок і опис, /review пише рецензію (з необов'язковими розділами про складність, безпеку й тести) і ставить ключові зауваження коментарями до рядків, /improve пропонує зміни коду, /ask відповідає на питання. У прикладах конфігурації для GitLab і Gitea на новий merge request запускаються /describe, /review і /improve; для GitLab /describe і /review повторюються після нових комітів, а чернетки пропускаються.

Бот нічого не затверджує. Він додає другого читача до кожного diff, а людина-затверджувач, лінтери, SAST і тести лишаються в конвеєрі.

PR-Agent станом на жовтень 2026 року

За README, Qodo передала проєкт спільноті: тепер він має окрему організацію на GitHub, передається відкритому фонду й за власним описом відрізняється від основного продукту Qodo для рев'ю. На PyPI поточна версія 0.49.0 від 25.10.2026, перед нею 0.48.0 від 16.10 і 0.47.0 від 02.10; потрібен Python 3.12 або новіший.

Останні релізи переважно посилюють безпеку. З 0.47.0 вебхуки Gitea без секрету відхиляються з HTTP 403, 0.48.0 запускає образи Docker від непривілейованого користувача й прибирає токени провайдерів із журналів, 0.49.0 блокує DNS rebinding. Команда /help_docs вимкнена з 0.36.1 через ризик витоку облікових даних. Образи з 0.34.2 публікуються як pragent/pr-agent; документація радить фіксувати тег версії чи digest замість latest.

Для GitLab документація описує два способи запуску:

  • Завдання CI на merge_request_event перевіряє кожен новий merge request, але подій коментарів не отримує, тож викликати /review чи /improve з коментаря розробник не зможе.
  • Вебхук-сервер реагує на push, коментарі й події merge request. Йому потрібні окремий користувач GitLab, персональний токен з областю api, роль Reporter (Developer, якщо /describe змінює опис) і GitLab 15.7 або новіший; на self-managed інстанс його спрямовує GITLAB__URL.

Для Gitea і Bitbucket Server є власні вебхук-сервери. Воркерів за замовчуванням від 2 до 4 залежно від CPU контейнера, на 4 воркери документація радить приблизно 1 ГіБ пам'яті.

Як підключити PR-Agent до локальної моделі

Моделі PR-Agent називає іменами LiteLLM. Приклад для Ollama задає model = "ollama/qwen2.5-coder:32b", custom_model_max_tokens=128000, api_base у секції [ollama] і duplicate_examples=true, що повторює в промпті приклади формату для структурованої відповіді. Сервер vLLM підключають як сумісний з OpenAI ендпоінт: model = "openai/<model id>" і api_base у секції [openai] файлу .secrets.toml або змінні OPENAI__API_BASE і OPENAI__KEY.

Контекст має збігатися з обох боків. PR-Agent попереджає, що типового контексту Ollama не вистачає на промпт і diff, а custom_model_max_tokens має відповідати OLLAMA_CONTEXT_LENGTH, інакше відповідь моделі може бути непередбачуваною. У vLLM --max-model-len і custom_model_max_tokens виставляють разом.

Завеликий diff PR-Agent стискає: відкидає бінарні й некодові файли, сортує решту за мовами репозиторію й розміром, ставить додані рядки перед видаленими, а залишок лише перелічує як «other modified files» або пропускає. Поділ рев'ю на частини за замовчуванням вимкнено; увімкнений, він робить кожну частину окремим викликом, не більше max_number_of_calls (типово 3).

Щодо локальних моделей документація обережна: вони придатні для експериментів і навчання, але не для промислового аналізу коду, причому мова про моделі станом на січень 2025 року. Qwen3-Coder і gpt-oss вийшли пізніше, переоцінки PR-Agent не публікував. Тож перші тижні вважайте пілотом: проженіть бот на свіжих merge requests, уже оцінених рецензентами, і порівняйте знахідки.

Kodus, GitLab Duo і власний вебхук

Kodus називає себе відкритим (AGPLv3) інструментом рев'ю коду для розгортання у себе чи у власній хмарі. Серед self-managed платформ він перелічує GitHub Enterprise Server, GitLab Self-Managed і Bitbucket Data Center, а також Gitea і Forgejo; README додає правила звичайною мовою для репозиторію чи шляху й відстеження невпроваджених порад. Модель задають трьома змінними для будь-якого сумісного з OpenAI API (API_OPENAI_FORCE_BASE_URL, API_OPEN_AI_API_KEY, API_LLM_PROVIDER_MODEL), і, за заявою Kodus, ці виклики він не проксує.

Kodus розгортають через Docker Compose; потрібно щонайменше 8 ГБ RAM (16 ГБ для репозиторіїв понад 100 000 рядків), PostgreSQL з pgvector, MongoDB і RabbitMQ. SSO, рольовий доступ, журнали аудиту й аналітика йдуть під комерційною ліцензією, а self-hosted інстанси щодня надсилають анонімний heartbeat, якщо не задати KODUS_TELEMETRY_DISABLED=true.

У самому GitLab старіше, неагентне Duo Code Review доступне лише з доповненням Duo Enterprise, а Code Review Flow платформи GitLab Duo Agent Platform документація вказує для рівнів Free, Premium і Ultimate, зокрема з власними моделями; він працює як завдання CI/CD на ваших раннерах (документація GitLab 19.6, прочитано 31.10.2026) і, за нашою статтею про GitLab Duo Self-Hosted, збирає до приблизно 1 МіБ контексту merge request.

Власного бота можна написати на вебхуках Git-сервера. GitHub вимагає відповіді 2XX протягом 10 секунд і радить чергу для отриманих даних, бо рев'ю триває значно довше; цей підхід годиться для будь-якого Git-сервера.

Яка модель підходить для рев'ю коду

Модель має прочитати довгий diff із сусідніми файлами й відповісти в структурі, на яку чекає бот. Під залізо з цієї статті підходять чотири відкриті моделі під Apache 2.0.

Модель Параметри всього / активних Ваги Кеш на 64K Контекст
gpt-oss-20b 21B / 3,6B 13,76 ГБ, MXFP4 1,5 ГіБ 131 072
Qwen3-Coder-30B-A3B 30,5B / 3,3B 31,2 ГБ, FP8 6 ГіБ 262 144
gpt-oss-120b 117B / 5,1B 65,3 ГБ, MXFP4 2,25 ГіБ 131 072
Qwen3-Coder-Next 80B / 3B 80,4 ГБ, FP8 1,5 ГіБ 262 144

Джерело: картки моделей, сторінки конфігурації й файлів на Hugging Face (gpt-oss-20b, Qwen3-Coder-30B-A3B, Qwen3-Coder-Next прочитано 30.10.2026; gpt-oss-120b прочитано 24.10.2026). Кеш у BF16 за нашим розрахунком із config.json кожної моделі; кеш FP8 удвічі менший.

Зазвичай починають із Qwen3-Coder-30B-A3B: картка описує виклик інструментів і нативний контекст 262 144 токени, а працює модель лише без режиму міркування, тож відповіді короткі. gpt-oss-20b підтримує структуровані відповіді й три рівні міркування, які задають у системному промпті, і вміщується на карту 32 ГБ. Qwen3-Coder-Next поміщається на одну RTX PRO 6000 на 96 ГБ лише з приблизно 5 сесіями по 64K за нашим правилом, тому краще працює парою з тензорним паралелізмом на двох картах, наприклад на сервері, який рев'ю ділить з агентами. Ліцензії цих та інших моделей, зокрема з обмеженням комерційного використання, зібрано в статті про приватного асистента для програмістів.

Скільки merge requests за годину перевіряє одна GPU

Рев'ю є пакетним навантаженням: merge request може хвилину почекати на коментарі, тож важить кількість викликів за годину. Найближчу опубліковану цифру дає таблиця продуктивності NVIDIA TensorRT-LLM для Qwen3-30B-A3B (ті самі шари, голови й експерти, що в Coder-версії). У FP4 на одній RTX PRO 6000 Server Edition модель видає 374 вихідні токени за секунду з промптами на 32 768 токенів і відповідями на 1 024 токени, а з промптами на 8 192 токени 1 914, при максимальній пропускній здатності й повній черзі.

За нашим розрахунком це близько 22 викликів за хвилину з промптом 32K і 112 з промптом 8K. Якщо кожна з трьох команд робить один виклик (наше припущення для рев'ю без поділу на частини), карта обробляє приблизно 440 merge requests за годину з промптами 32K. Це верхня межа для FP4: ваги FP8 і неповна черга дають менше, а вашу цифру покаже пілот.

Скільки рев'ю йде одночасно, визначає пам'ять. За нашим правилом (90 % пам'яті, яку показує драйвер, мінус 3 ГіБ на карту й мінус ваги) карта на 32 ГБ лишає 25,7 ГіБ, RTX PRO 5000 на 72 ГБ 61,5 ГіБ, а RTX PRO 6000 на 96 ГБ 83,0 ГіБ.

Рівень Карта Модель Рев'ю одночасно Для кого
Початковий 1 × RTX PRO 4500, 32 ГБ gpt-oss-20b 8 по 64K команда з 10 до 30 осіб, десятки MR на день
Початковий 1 × RTX PRO 5000, 72 ГБ Qwen3-Coder-30B-A3B, FP8 5 (10) по 64K, 2 (5) по 128K довші diff у FP8
Середній 1 × RTX PRO 6000 Workstation Edition або Max-Q Qwen3-Coder-30B-A3B, FP8 8 (17) по 64K, 4 (8) по 128K відділ, сотні MR на день
Великий від 2 до 4 × RTX PRO 6000 Server Edition Coder-30B-A3B або Coder-Next на карту як вище, окремий екземпляр рев'ю й агенти на одному сервері

Джерело: наше правило «користувачі на карту», кеш BF16 (у дужках кеш FP8; gpt-oss-20b лише з кешем BF16). Пропускна здатність: огляд продуктивності NVIDIA TensorRT-LLM, прочитано 30.10.2026, вихідні токени за секунду на GPU при максимальній пропускній здатності, виміряно на RTX PRO 6000 Blackwell Server Edition.

На одній RTX PRO 6000 на 96 ГБ вміщується й gpt-oss-120b: 9 рев'ю по 64K або 4 по 128K. У робочій станції це Workstation Edition або Max-Q, а для стійкового сервера з безперервною роботою ми радимо пасивну Server Edition, на якій і вимірювала NVIDIA.

На спільному сервері дайте рев'ю окремий екземпляр рушія, щоб хвиля merge requests не гальмувала агентів: на власній карті або в екземплярі MIG на RTX PRO 6000 (див. статтю про MIG і vGPU); великі рев'ю можна відкласти на вечір. Сервер під такий поділ ETE рахує від кількості merge requests, а окремі екземпляри для рев'ю та агентів за потреби налаштовують інженери Vixen.UNO; агентну частину розібрано в статті про сервер для агентів.

Безпека бота рев'ю: токени, журнали й секрети

Найцінніше, що тримає бот, це його токен. Дайте боту окремого користувача Git із найнижчою робочою роллю (Reporter для коментарів у GitLab, Developer лише для /describe з правом переписувати опис) і регулярно змінюйте токен, як інші сервісні облікові дані. Секрет вебхука задайте на кожній платформі; вебхуки Gitea без нього PR-Agent з 0.47.0 відхиляє.

У diff потрапляє все закомічене, інколи ключ чи пароль. Журналюйте виклики на шлюзі LLM (користувач, модель, токени) і свідомо вирішіть, чи зберігати промпти. Який код до якого інструмента може потрапляти, розібрано в статті про політику використання AI-асистентів для коду. Якщо в коді чи тестових даних є персональні дані клієнтів, власний сервер прибирає передачу зовнішньому постачальнику, але не скасовує вимог Закону № 2297-VI щодо правової підстави обробки, інформування людей і захисту даних.

Тримайте vLLM у внутрішній мережі: за посібником з безпеки vLLM 0.32.0, --api-key захищає лише шляхи під /v1, /v2, /inference і /cohere. Образ PR-Agent закріпіть на версії, щоб оновлення бота проходило перевірку, як будь-яка зміна.

Часті питання

Чи працює PR-Agent з локальною LLM через Ollama або vLLM?

Так. Через LiteLLM він працює з Ollama (model = "ollama/..." і api_base) і з vLLM як із сумісним з OpenAI ендпоінтом (model = "openai/..."); custom_model_max_tokens має дорівнювати контексту сервера. Розділ документації від січня 2025 року вважає локальні моделі придатними лише для експериментів, тож перевірте сучасні моделі на своїх merge requests.

Чи є self-hosted альтернатива CodeRabbit?

Власна документація CodeRabbit пропонує розгортання на своїх серверах лише в плані Enterprise для клієнтів від 500 місць (прочитано 31.10.2026). Відкриті PR-Agent (MIT) і Kodus (AGPLv3) працюють на ваших серверах із моделлю на вашій GPU. Kodus має SSO й журнали аудиту лише під комерційною ліцензією.

Чи працює AI-рев'ю з GitLab Self-Managed і Bitbucket Data Center?

Так. PR-Agent підтримує self-managed GitLab від версії 15.7 через GITLAB__URL і має вебхук-сервер для Bitbucket Server, Kodus прямо називає обидві платформи. У GitLab є ще Code Review Flow платформи Duo Agent Platform для рівнів Free, Premium і Ultimate з власними моделями.

Яку локальну модель обрати для рев'ю коду?

Практичний старт дає Qwen3-Coder-30B-A3B у FP8: 31,2 ГБ ваг, контекст 262 144 токени, Apache 2.0. gpt-oss-20b вміщується на карту 32 ГБ, Qwen3-Coder-Next чи gpt-oss-120b підходять для більших серверів. Котра помічає важливе для ваших рецензентів, покаже пілот.

Яка GPU потрібна для AI-рев'ю коду на 50 розробників?

Одна RTX PRO 6000 Blackwell на 96 ГБ з Qwen3-Coder-30B-A3B у FP8 за нашим правилом тримає 8 рев'ю по 64K одночасно (17 з кешем FP8). Цифра NVIDIA для Server Edition (Qwen3-30B-A3B у FP4) дає близько 22 викликів за хвилину з промптом 32K, тобто верхню межу в кілька сотень merge requests за годину.

Що з цього є в ETE

Потрібен сервер для рев'ю коду?

Напишіть, яка у вас Git-платформа (GitLab, Gitea, Bitbucket), скільки merge requests на день відкривають команди і чи працюють на тому самому залізі агенти. ETE порахує конфігурацію, а за потреби інженери Vixen.UNO підключать бота до Git-сервера й налаштують модель.

Обговорити задачу

Автор: Інженер ETE