Der Reviewer, der deinen Job nie wollte

Die meisten KI-Coding-Agenten, über die 2026 gestritten wird, wollen deinen Code schreiben. PR-Agent will ihn lesen.
Er hat 15.539 Sterne, liegt unter The-PR-Agent/pr-agent, und sein README beginnt inzwischen mit einem Satz, der klingt, als hätte ihn jemand geschrieben, der dieses Gespräch zu oft geführt hat: „The Original Open-Source PR Reviewer. This project is not the Qodo free tier."
Dieser Satz leistet eine Menge. PR-Agent begann als Qodos Open-Source-Reviewer und wurde das Ding, das jedes Team still installierte und dann vergaß. Das Projekt ist inzwischen in eine eigene Organisation umgezogen und muss nun klarstellen, dass Selbsthosting nicht dasselbe ist wie ein Gratisplan eines Anbieters. Fair genug. Der Unterschied zählt: Das eine ist ein Werkzeug, das du betreibst, das andere ein Dienst, der dich betreibt.
Was es tut, in vier Befehlen
Das ganze Produkt sind vier Slash-Commands auf einem Pull Request.
/describe schreibt die PR-Beschreibung – was sich geändert hat, warum, und was ein Reviewer zuerst ansehen sollte. /review macht das Review: mögliche Bugs, Sicherheitsbedenken, fehlende Tests, Inkonsistenzen mit dem Rest der Datei. /improve schlägt konkrete Codeänderungen vor. /ask beantwortet eine Frage zum Diff, im Thread, mit dem Diff als Kontext.
Jeder davon ist ein einzelner LLM-Aufruf. Das README nennt etwa dreißig Sekunden und niedrige Kosten – die Designvorgabe, die alles andere geformt hat. Kein Agenten-Loop, kein Tool-Calling-Baum, kein mehrstufiger Plan. Ein Prompt, eine Antwort, ein Kommentar.
Das klingt wenig, bis man sich erinnert, was es ersetzt hat: einen Reviewer, der um 18 Uhr einen PR mit 1.400 Zeilen öffnet und ihn überfliegt.
Die Installation
Drei Wege, geordnet danach, wie viel du darüber nachdenken musst.
Die GitHub Action ist eine einzige Workflow-Datei. Leg sie in .github/workflows/pr-agent.yml ab:
on: pull_request: types: [opened, synchronize]
uses: the-pr-agent/pr-agent@main
env: OPENAI_KEY, GITHUB_TOKEN
Das ist die ganze Einrichtung. Jeder neue PR und jeder Push auf einen bestehenden PR wird automatisch reviewt. Zwanzig Minuten von der Entscheidung bis zum Ausprobieren, wenn deine Secrets schon konfiguriert sind.
Die CLI ist dafür, es lokal gegen einen PR laufen zu lassen, den du nicht geschrieben hast:
pip install "pr-agent[github]"
export OPENAI_KEY=your_key_here
pr-agent --pr_url <url> review
Installier das Provider-Extra für die Plattform, die du nutzt, oder pr-agent[all], wenn du alle Integrationen willst.
Webhooks und Selbsthosting sind für Teams, die das Review im eigenen Netz brauchen. Docker-Images existieren. GitLab nutzt Webhooks, Bitbucket eine App-Installation, Azure DevOps seinen eigenen Weg. Gitea wird ebenfalls unterstützt.

Die zwei Engineering-Entscheidungen, die es brauchbar machen
PR-Kompression. Ein Reviewer, der nur mit kleinen Diffs funktioniert, ist eine Demo. PR-Agent hat eine Kompressionsstrategie für große – es kürzt nicht einfach, es entscheidet, was bleibt, damit das Modell die Form der Änderung noch sieht. Das ist der unglamouröseste und wichtigste Teil der Codebasis, denn die Alternative ist ein Werkzeug, das im Tutorial funktioniert und an deinem echten Repository umfällt.
Prompt-Konfiguration als Daten. Die Review-Kategorien, der Ton, die Dinge, die markiert werden sollen, und die, die ignoriert werden sollen, stehen in einer TOML-Datei statt in Python. Du kannst eine Kategorie ergänzen – „prüfe, dass jede neue Datenbankspalte eine Migration hat" – ohne Code anzufassen. Teams, die das übernehmen, landen meist bei einer Konfiguration, die ihre eigene Review-Kultur abbildet, und das ist der Unterschied zwischen einem generischen Linter und etwas, das ein Senior Engineer wirklich freigibt.
Die Modellwahl ist über LiteLLM offen: OpenAI, Claude, Gemini, DeepSeek, Mistral, dazu Azure OpenAI, Bedrock, Vertex, Databricks, OpenRouter und Ollama. Wer aus Vertraulichkeitsgründen ein lokales Modell fährt, findet hier einen der wenigen Reviewer, die mitgehen.
Wie ein nützlicher Review-Kommentar aussieht
Der Unterschied zwischen einem Reviewer-Bot, der hilft, und einem, der stummgeschaltet wird, ist nicht Genauigkeit. Es ist, ob der Kommentar konkret genug ist, um darauf zu handeln.
„Hier wäre Fehlerbehandlung sinnvoll" ist schlechter als nichts, weil es dem Leser das Gefühl gibt, beaufsichtigt zu werden, ohne ihm etwas zu sagen. „Dieser Aufruf kann null zurückgeben, wenn der Cache nicht trifft; der Aufrufer drei Zeilen weiter dereferenziert es ohne Prüfung" ist nützlich, selbst wenn der Bot nur in 70 Prozent der Fälle recht hat, weil das Nachprüfen zehn Sekunden dauert.
Die Konfigurationsdatei ist das, was dich von der ersten Art Kommentar zur zweiten bringt. Richte die Kategorien auf die Dinge, die deiner Codebasis wirklich wehtun: Migrationsabdeckung, Retry-Semantik, Berechtigungsprüfungen an neuen Endpunkten, ob eine neue Umgebungsvariable dokumentiert ist. Ein Reviewer, der nur „Codequalität" kennt, erzeugt Kommentare über Codequalität, und das braucht um 18 Uhr niemand.
Es gibt einen Effekt zweiter Ordnung, den man einplanen sollte. Sobald der Bot auf jedem PR postet, reviewen Menschen weniger sorgfältig, weil schon jemand geschaut hat. Das ist dieselbe Dynamik wie bei einem Linter, der den Build wegen Style abbricht: Er trainiert Leute darauf, nicht mehr auf Style zu schauen. Nutze den Bot für die mechanischen Prüfungen und sag das ausdrücklich, damit menschliche Aufmerksamkeit dorthin geht, wo der Bot nicht hinkommt – ob die Änderung eine gute Idee ist.
Ein ehrlicher Defekt im README
/help_docs ist seit v0.36.1 deaktiviert, bis ein Problem mit offengelegten Zugangsdaten behoben ist, geführt als Issue #2445. Der Hinweis steht direkt im Abschnitt zu den Features, nicht in einem Changelog vergraben.
Ich finde gut, dass es sichtbar ist. Ein Reviewer-Bot hat Lesezugriff auf deinen Quellcode. Ein Bug, der Zugangsdaten offenlegt, in einem Werkzeug, das deinen Quellcode liest, ist etwas, das man laut bekannt geben will, und die Maintainer haben das getan, statt den Befehl still zu entfernen und zu hoffen, dass es niemand merkt.
Es erinnert auch an die tatsächliche Risikofläche. Du gibst einem fremden Prompt, der auf einem fremden Modell läuft, Lesezugriff auf deinen Diff und die umliegenden Dateien. Für die meisten Teams ist das ein vernünftiger Tausch, für manche ein unmöglicher. Der Selbsthosting-Pfad existiert genau deshalb, damit die Entscheidung bei dir liegt.
Warum das überlebt hat und die schickeren Agenten nicht
2024 und 2025 gab es Dutzende KI-Code-Review-Startups. Die meisten sind gestorben oder geschluckt worden. Der Open-Source-Reviewer, der als Nebenprojekt begann, ist noch da, wird noch gepflegt, bekommt noch Konfigurationsänderungen.
Der Grund ist langweilig: Er tut eine Sache in dem Moment, in dem diese Sache nützlich ist. Ein Review kommt, wenn ein PR aufgeht, nicht wenn du daran denkst zu fragen. Der Kommentar erscheint dort, wo die Diskussion ohnehin stattfindet. Die Kosten sind dreißig Sekunden und ein Bruchteil eines Cents. Es gibt nichts zu lernen und nichts zu integrieren.
Vergleich das mit Agenten-Frameworks, die deinen ganzen Workflow übernehmen wollen. Die sind beeindruckender und viel schwerer am Laufen zu halten. PR-Agent verlangt eine Workflow-Datei und einen Key.
Wenn du es ausprobieren willst
Fang mit der Action in einem Repository an, nicht in allen. Lass sie in einem Modus laufen, in dem sie kommentiert, aber nicht blockiert, und gib ihr zwei Wochen. Du merkst schnell, ob dein Team die Kommentare liest oder darüber hinwegscrollt, und diese Antwort entscheidet, ob das Werkzeug die Konfiguration wert ist.
Dann schreib die Kategorien auf, die dir wirklich wichtig sind, und pack sie in die Konfiguration. Ein generischer Reviewer gibt generische Hinweise. Der Wert entsteht, wenn der Bot die drei Dinge prüft, die dein Team immer vergisst – und du bist derjenige, der ihm sagt, welche drei.
Verwandte Artikel
Eine community-gepflegte Tabelle von Taps, die Werbung in chinesischen Android-Builds abschaltet
Es fasst das System nicht an, entsperrt nichts, flasht nichts. Es legt nur die Schalter um, die die Hersteller ohnehin vorgesehen haben. Der Preis ist eine Liste, die jemand weiterführen muss.
GPT Image 2.6 hielt den Tokenpreis und erhöhte die Rechnung
GPT Image 2.6 übernimmt jeden Tokenpreis von 2.5 und kostet pro Bild dennoch mehr, weil ein größerer Teil der Arbeit in Ausgabe-Token landet. Elf Tage nach dem Start sagt die Preisstruktur mehr als jede Rangliste.
Jemand hat IDM von außen nachgebaut und aufgeschrieben, was er nicht angefasst hat
Eine Rust-Neuimplementierung von Internet Download Manager verspricht 5x Tempo und 86 Sprachen. Das interessantere Dokument ist der Absatz, der erklärt, wie sie ohne jede Kopie entstanden ist.
Rune ist ein Rust-UI-Framework, das gebaut wurde, damit ein Agent seine eigene Arbeit prüfen kann
Rune rendert headless, gibt seinen Elementbaum aus und nimmt geskriptete Eingaben an. Damit bekommt ein Coding-Agent ein Signal zum Diffen, das ein Screenshot nie liefert. Das Framework ist Pre-Release und nimmt keine Pull Requests an.