src/devstar/ai-code-reveiw.md

@@ -30,3 +30,106 @@ DevStar代码托管平台中项目设置、用户设置和后台管理中都可
 
 ### AI Code Review详解
 
+## **一、核心工作流程说明**
+
+AI Code Review 的执行过程如下：
+
+1. **触发条件**
+   - 当有人新建 PR（pull_request/opened）
+   - 或更新了 PR（pull_request/synchronize）
+      → 工作流自动开始执行。
+2. **代码检出（Checkout）**
+    使用 actions/checkout 拉取 PR 的代码差异，为审查准备上下文。
+3. **调用 AiReviewPR Action**
+   - Action 会读取 PR 的 diff、文件内容与上下文。
+   - 将这些内容组装为审查提示（prompt）。
+   - 调用你配置的大模型（Ollama、OpenAI 兼容接口等）。
+   - 获得模型输出后，自动写入 PR 评论区或输出到日志。
+4. **输出结果**
+   - 如果 `REVIEW_PULL_REQUEST=true` → 自动在 PR 下评论。
+   - 如果为 false → 只在日志输出，便于本地验证。
+
+------
+
+## **二、AiReviewPR 的内部实现机制**
+
+以下是 Action 的实际工作方式（代码见 GitHub）：
+
+### **1. 自动收集 PR 信息**
+
+Action 会自动读取：
+
+- PR 编号、作者、提交信息
+- diff 内容（新增、删除、修改）
+- 受影响的文件内容
+
+### **读取 PR Diff**
+
+```
+const diff = await octokit.pulls.get({
+  ...github.context.issue,
+  mediaType: { format: "diff" },
+}).then(r => r.data);
+```
+
+### 2. 构建审查 Prompt
+
+Prompt 会自动包含：
+
+- 代码变更摘要
+
+- 修改前/修改后的代码片段
+
+- 模型需要回答的格式，例如：
+
+  ```
+  1. 潜在Bug
+  2. 代码风格问题
+  3. 性能优化
+  4. 安全风险
+  5. 重构建议
+  ```
+
+### **3. 调用大模型 API**
+
+AiReviewPR 支持任意 OpenAI API 兼容模型，例如：
+
+- 本地 **Ollama**
+- OpenAI、DeepSeek、Qwen 公开服务
+- 私有化模型服务
+
+只需提供：
+
+```
+vars.MODEL
+vars.OLLAMA_HOST
+```
+
+Action 会自动发送：
+
+```
+{
+  "model": "qwen2.5:14b",
+  "messages": [
+    {"role": "system", "content": "..."},
+    {"role": "user", "content": "这是PR的代码修改内容..."}
+  ]
+}
+```
+
+### **4. 返回数据解析**
+
+Action 提取模型的回答内容，将其转换为 Markdown，并根据配置输出为：
+
+- GitHub/Gitea PR 评论
+   或
+- 工作流日志（便于调试）
+
+### **发布评论**
+
+```
+await octokit.issues.createComment({
+  ...github.context.issue,
+  body: review,
+});
+```

src/devstar/ai-devops.md

@@ -1,3 +1,5 @@
+
+
 # DevStar AI+ DevOps
 
 DevStar AI+ DevOps 是一个完整的AI驱动研发平台解决方案，通过集成 DevStar平台、代码大语言模型、Gitea MCP Server和 AI Code Tools（Cursor、Claude Code、iFlow等），为开发者提供智能化研发支撑体系。
@@ -13,12 +15,11 @@ wget -c https://devstar.cn/assets/install.sh && chmod +x install.sh && sudo ./in
 sudo devstar start
 ```
 
-安装完成后，我们得到DevStar代码托管平台的URL，比如http://172.16.94.26:80
+安装完成后，我们得到DevStar代码托管平台的URL，比如http://172.16.94.26:80 ，之后作为 `GITEA_HOST`（给 MCP Server 用）
 
 ### 二、Ollama私有部署代码大模型
 
-> 如您使用第三方大模型开放API可以跳过这一部分。
+> 如您使用第三方API及Token，比如从<https://platform.openai.com/>注册申请，可以跳过这一部分。
-> 比如从[智谱AI开放平台](https://bigmodel.cn/usercenter/proj-mgmt/apikeys) 上注册申请并添加新的API Key，以Claude Code为例URL使用https://open.bigmodel.cn/api/anthropic 
 
 Ubuntu-20.04下完成安装：
 ```
@@ -53,7 +54,15 @@ systemctl daemon-reload
 systemctl restart ollama
 ```
 
-安装完成后，我们得到API URL,比如http://172.16.94.26:11434/api/tags model比如qwen2.5-coder:32b token比如TOKEN***************
+**产出**
+
+- 模型服务地址，例如：`http://172.16.94.26:11434`
+- 模型名，例如：`qwen2.5-coder:32b`
+- （如有）访问 Token，例如：`TOKEN***************`
+
+**后面用在哪里**
+
+- CI/CD 里的 AI Code Review（作为 `vars.MODEL` / `vars.OLLAMA_HOST`）
 
 ### 三、在项目中使用代码大模型
 
@@ -82,8 +91,14 @@ jobs:
           model: ${{ vars.MODEL }}
           host: ${{ vars.OLLAMA_HOST }}
           REVIEW_PULL_REQUEST: false
+          //如果用ai token 则需配置
+          //ai_token: ${{ vars.AI_TOKEN }}
 ```
-DevStar代码托管平台中项目设置、用户设置和后台管理中都可以设置变量vars.MODEL、vars.OLLAMA_HOST等。
+然后在 DevStar（项目设置 / 用户设置 / 后台管理）里设置变量：
+
+- `vars.MODEL`：填入 **第二步中的模型名**，例如 `qwen2.5-coder:32b`
+- `vars.OLLAMA_HOST`：填入 **第二步中得到的模型服务地址** 例如 `http://172.16.94.26:11434`
+- `vars.AI_TOKEN`：填入 **第二步中第三方获取的token**
 
 #### 安装配置MCP Server
 
@@ -95,7 +110,6 @@ DevStar代码托管平台中项目设置、用户设置和后台管理中都可
 
 ```
 {
-  "mcp": {
     "inputs": [
       {
         "type": "promptString",
@@ -118,20 +132,37 @@ DevStar代码托管平台中项目设置、用户设置和后台管理中都可
           "docker.gitea.com/gitea-mcp-server"
         ],
         "env": {
-          "GITEA_HOST": "--host http://172.16.94.26",
+          "GITEA_HOST": "<Your Gitea Host>",
           "GITEA_ACCESS_TOKEN": "${input:gitea_token}"
         }
       }
     }
-  }
 }
 ```
 
+`GITEA_HOST`：**第一步中得到的 DevStar 代码托管平台地址**
+
+`gitea_token`：来自 DevStar / Gitea 的「个人访问令牌」
+
+获取方式：
+
+1. 登录 DevStar（`GITEA_HOST` 对应的网站）
+2. 进入：**设置 → 应用 **
+3. 点击「生成新的令牌」，给予仓库读取等必要权限
+4. 复制生成的一串字符串，这就是你的 `gitea_token`
+
 #### 配置AI IDE/CLI使用私有大模型及MCP Server
 
-* Copilot，简要文字描述，不要上太多图，可以提供官方配置链接
+* Copilot，点击提示框里的“管理模型”，选择ollama；将mcp配置添加到 .vscode/mcp.json下
-* Cursor
+
-* Continue
+* Cursor，不支持私有模型，需要本地部署后做代理；点击Cursor Settings -> Tools & MCP
+
+  ->  New MCP Server 将mcp配置添加到mcp.json中
+
+* Continue，点击Add Chat model，Provider选择ollama；设置->Tools->MCP Servers配置yaml文件
+
+  也可以将cursor的json文件放到.continue/mcpServers/mcp.json中
+
 * ...
 
 ## 🚀 DevStar AI+ DevOps演示
@@ -142,20 +173,29 @@ DevStar代码托管平台中项目设置、用户设置和后台管理中都可
 
 使用ai-develops项目模板创建项目
 
-todo
+![](./static/template.png)
 
 ### AI生成代码
 
-todo
+1.请在 Gitea 仓库 owner/repo 中读取 issue #123，帮我用自己的话总结问题、预期行为，并给出一个简单的解决思路。
+
+2.请根据你对 issue #123 的理解实现这个功能
+
+3.请为这次修复 issue #123 的改动补充或更新测试代码，遵循项目的现有测试风格，并说明每个测试在验证什么行为。
+
+
 
 ### 提交PR
 
-todo
+1.请使用 Gitea MCP 为 issue #123 创建一个新分支（如 fix/issue-123），将本次所有相关修改提交为一个清晰的 commit
+
+2.请使用 Gitea MCP 从你刚才创建的分支向 main 分支发起一个 PR，标题中包含 “#123”，描述中简要说明问题、解决方案、主要改动和测试情况，并把 PR 的链接或编号发给我。
+
+![](./static/pr.png)
 
 ### AI Code Review
 
-todo
+![](./static/code-review.png)
 
-### 合并PR
+![](./static/review.png)
 
-todo

src/devstar/mcp-server.md

@@ -45,7 +45,22 @@
 
 ### MCP Server使用注意事项
 
-* Copilot，简要文字描述，不要上太多图，可以提供官方配置链接
+#### Copilot（VS Code）
-* Cursor
+
-* Continue
+- 配置放在 `.vscode/mcp.json`。重启 VS Code → Copilot 自动加载。
-* ...
+- [官方文档](https://vscode.js.cn/docs/copilot/customization/mcp-servers)
+
+
+
+#### Cursor
+
+- 配置放在 `.cursor/mcp.json` 或 `.vscode/mcp.json`。
+- 打开 Cursor → 会提示“检测到 MCP Server”。点 Enable 即可。
+- [官方文档](https://cursor.com/cn/docs/context/mcp)
+
+
+
+#### Continue
+
+- 配置放在 `.continue/mcpServers/mcp.json`
+- [官方文档](https://docs.continue.dev/customize/deep-dives/mcp)