crt

技能简介

crt 是一款专为「人类审查 AI 编写代码」场景设计的本地代码审查工具。在 AI 编程工具（如 Cursor、Windsurf、Claude Code）大量生成代码的背景下，代码审查的瓶颈问题日益突出：代码生成速度远超人工审查速度，传统的 GitHub PR 流程繁琐且难以适应 AI 频繁迭代的工作方式。crt 通过本地 TUI 界面和 MCP 协议，让人类开发者与 AI 编程工具形成高效的反馈闭环，显著降低代码审查的时间成本。

核心能力

1. 内容锚定评论系统：评论直接绑定到代码内容而非行号，文件经过 rebase 后评论自动跟随代码迁移，无需手动重新定位。

2. 基于哈希的增量审查：文件被批准后记录 diff 哈希，文件内容无变化则保持已批准状态；文件变化后自动重新标记为待审，避免重复审查已确认无误的代码。

3. MCP 协议集成：通过 MCP 暴露 list_review_sessions、list_review_comments、get_file_diff 等工具，AI 编程工具可直接读取人类开发者的审查意见并自动修复。

4. TUI 双栏操作界面：左侧显示变更文件列表，右侧显示 diff 内容，支持 vim 风格快捷键导航（] / [ 跳转块，Ctrl+n/p 切换文件，a 批准文件，c 附加评论）。

5. 实时推送更新：当 AI 代理修复了某个评论指出的问题后，TUI 界面实时刷新，变更的 diff 重新出现，无需手动刷新。

6. 无原子性提交要求：AI 代理可以自由提交（不强制 atomic commits），crt 仍能正确追踪每个文件的变化历史和审查状态。

工作原理

crt 的核心设计理念是将「代码位置」与「审查状态」分离。传统的代码审查工具依赖行号或 commit hash 来定位代码位置，但 AI 代理经常性地进行 rebase、amend 或 squash 操作，这些操作会改变行号和 commit 历史，导致传统的定位方式失效。

crt 采用内容哈希的方式来追踪代码位置：每个评论存储目标代码的精确内容及其周围上下文。当文件发生变化时，crt 会在新版本中搜索这些内容——如果精确匹配，评论保持在原位；如果找到近似位置，评论会移动并标记为「近似」；如果完全找不到，评论会保留并标记为「孤立」，附上最后已知上下文供开发者参考。

批准机制同样基于 diff 哈希：文件被批准时记录当前 diff 的哈希值，后续每次文件变化都重新计算哈希，只有哈希值发生变化的 diff 才会被重新标记为待审查。

安装配置

前置要求：

• Go 1.21+（用于从源码编译）
• Git
• MCP 兼容的 AI 编程工具（如 Claude Code、Cursor、Windsurf）

安装步骤：

# 方式一：源码安装
git clone https://github.com/imron/crt.git
cd crt
go build .
./crt --help

# 方式二：直接下载对应平台的预编译二进制（如果发布）
# 访问 GitHub Releases 页面获取

配置 Claude Code MCP：

在 Claude Code 的配置文件 ~/.claude/settings.json 中添加 MCP 服务器配置：

{
  "mcpServers": {
    "crt": {
      "command": "path/to/crt",
      "args": ["mcp"]
    }
  }
}

初始化审查会话：

# 指定要审查的代码基础 commit
crt 

# 例如：审查自上一个 tag 以来的所有变更
crt $(git describe --tags --abbrev=0)

使用步骤

第一步：让 AI 代理生成代码

使用 AI 编程工具（Claude Code、Cursor 等）编写或修改代码，建议使用原子提交（atomic commits）以便追踪。

第二步：启动 crt 审查

crt HEAD~10

TUI 启动，左侧列出所有变更文件，右侧显示当前文件的 diff。

第三步：审查并标注问题

• 按 ] 或 [ 在 hunk 之间跳转
• 按 c 或空格键在具体代码行添加评论
• 按 V 选择代码范围后添加评论
• 按 a 批准已满意的文件，文件从待审列表中移除

第四步：AI 代理通过 MCP 获取评论并修复

AI 代理通过 MCP 协议读取所有评论，修复问题后提交更改。crt 自动检测变化，未完全修复的文件重新出现在待审列表中。

第五步：迭代审查直至完成

重复第三步和第四步，直到所有文件均已批准，审查会话结束。

适用场景

1. AI 编程辅助流程：在 Claude Code、Cursor、Windsurf 等 AI 编程工具的工作流中，作为人工审查环节的核心工具，确保 AI 生成的代码经过充分人工审核后再进入生产环境。

2. 持续集成质量门禁：在 CI 流程中集成 crt，要求所有 AI 生成的代码必须经过人工审查批准后才能合并，防止未经审核的代码进入主干。

3. 团队代码规范审查：在多人协作项目中，团队成员可通过 crt 对 AI 生成的代码进行分布式审查，无需每个人都在浏览器中打开 GitHub PR。

4. 遗留代码重构审核：对 AI 代理重写的遗留代码进行全面审查，通过内容锚定机制确保审查意见在频繁的 rebase 过程中不会丢失。

适用人群

• AI 编程工具重度用户：日常使用 Claude Code、Cursor、Windsurf 等工具进行开发的工程师
• 技术负责人/代码审核者：需要对 AI 生成代码承担质量责任的团队成员
• AI 工程化团队：正在建立 AI 编程工具工程化流程的团队
• 关注代码质量的开源维护者：使用 AI 辅助开发但仍希望保持代码质量标准的项目维护者

官方链接

• GitHub 仓库：https://github.com/imron/crt
• 官方网站文档：待补充

本技能通过 MCP 协议与 Claude Code 等 AI 编程工具深度集成，是 AI 编程时代代码审查工作流的重要组成部分。