nablr

产品简介 nablr 是一款 AI 驱动的 SDLC（软件开发生命周期）治理平台，通过 19 个专家角色（expert personas）在整个开发流程中强制执行质量门禁。它基于 Model Context Protocol（MCP）构建，每个专家角色专注软件工程的不同领域，共同确保 AI 生成代码的可追溯性、可审计性和质量一致性。

核心功能 19 个专家角色：每个角色代表软件工程的一个专门领域，在代码生成、审查、测试和部署的各个阶段执行质量门禁，确保没有角色可以单独决定将不安全的代码推进生产环境。 MCP 协议集成：基于 Model Context Protocol 构建，与主流 AI 编码工具（Claude Code、Codex 等）无缝集成，角色通过标准协议通信。 质量门禁强制执行：在 CI/CD 流水线中嵌入质量检查点，AI 生成代码必须通过相关专家角色的审核才能进入下一阶段。 可追溯性与审计：记录每个决策的背景、依据和执行者，形成不可篡改的审计轨迹，支持合规审查和回溯分析。 灵活配置：可根据组织需求启用/禁用特定角色，调整质量门禁的严格程度和触发条件。

技术实现 nablr 以 Python 包发布（已在 PyPI 上架），可作为 AI Agent 的 SDLC 治理中间件。19 个专家角色涵盖：安全审查、代码质量、性能分析、架构合规、测试覆盖、文档完整性、依赖管理等维度。与传统静态代码分析工具不同，每个角色拥有完整的上下文理解能力，能够基于整个代码库而非单文件做出判断。

特色优势 传统 AI 编码工具的治理依赖人工审查或规则配置，难以规模化；nablr 通过专家角色分工，让治理本身成为 AI 驱动的工作流——每个角色像真实世界中的专家一样协作，降低单点判断失误的风险，同时保持全程可解释和可干预。

适用人群 需要在 AI 辅助开发环境中保持代码质量和安全标准的工程团队；大型软件开发组织，希望对 AI 生成代码建立系统化治理机制；金融、医疗等强合规行业，需要证明 AI 工具使用符合监管要求；DevOps 团队，希望将 AI 代码审查整合到现有 CI/CD 流水线。

开源与许可 已在 PyPI 发布（pip install nablr），GitHub 仓库提供源代码和 MCP 集成示例。

官网链接 https://pypi.org/project/nablr