Codex и GitHub: как настроить ревью pull request

Ревью с помощью Codex помогает находить существенные ошибки в изменениях. Настроим подключение и разберём, как превратить замечание в проверяемый сценарий.

Мой подход. Я бы оценивал ревью по подтверждённым дефектам, а не по числу комментариев. Одно замечание с воспроизводимым сценарием полезнее десятка общих пожеланий к архитектуре.

1. Подключи репозиторий для Code review

Настрой облачный Codex с нужным GitHub-репозиторием, затем открой настройки Codex и включи Code review для этого репозитория. Проверь права своего GitHub-аккаунта и доступ интеграции. В организациях установку приложения может ограничивать администратор.

Для первого запуска выбери небольшой PR, в котором понятен риск: изменение проверки доступа, обработки пустого списка или условия сохранения. Укажи в описании исходное поведение, ожидаемое поведение и способ проверки. Ревью намного полезнее, когда есть конкретный сценарий, с которым можно сопоставить diff.

2. Запроси ревью в комментарии PR

Оставь в pull request:

@codex review

Дождись реакции и результата на самом PR. Можно уточнить фокус, например:

@codex review for issues in the database migration

По текущей документации GitHub-ревью Codex фокусируется на замечаниях P0 и P1. Поэтому отсутствие замечаний нельзя интерпретировать как проверку всех стилей, мелких дефектов и пользовательских сценариев. В настройках можно включить автоматические ревью. Порядок подключения, триггеры и приоритеты описаны в официальном руководстве OpenAI.

Открой найденную строку вместе с окружающим кодом. Проверь, достижим ли описанный сценарий и существует ли защита на другом уровне. Автоматическое замечание — гипотеза о дефекте, которую нужно подтвердить, прежде чем менять реализацию.

3. Добавь правила проекта в AGENTS.md

Codex учитывает применимые AGENTS.md при ревью. Сохрани в них несколько правил, которые отражают смысл системы. Например, для сервиса с организациями:

## Code Review Rules

- Запросы к данным клиента должны ограничиваться организацией
  текущего пользователя. Проверь чтение, изменение и экспорт.
- Повторная обработка одного события оплаты не должна повторно
  начислять доступ. Ищи проверку уникального идентификатора события.
- Изменение схемы должно учитывать записи, созданные до миграции.
  Укажи сценарий, в котором старые данные перестают читаться.

Это пример для соответствующей предметной области, а не универсальный файл для любого проекта. Удали правила, которые к приложению не относятся. Форматирование и предсказуемые проверки оставь линтеру и CI: длинный список механических требований отвлекает от ошибок поведения.

Чтобы оценить правило, возьми ранее исправленный дефект и посмотри, какое ограничение тогда нарушилось. Сформулируй именно ограничение, а не имя старой функции. Так инструкция переживёт переименование и рефакторинг.

4. Проверь замечание и закрой цикл

Для каждого замечания запиши: какой вход вызывает проблему, что произойдёт и какое поведение должно быть правильным. Если воспроизвести дефект не удаётся, уточни путь выполнения. Если удалось — исправь причину и добавь проверку, которая падает до исправления и проходит после него.

Ревью относится к определённой версии изменений. После нового коммита посмотри, покрывает ли результат актуальный diff, и при необходимости запроси проверку снова. Не считай прежний комментарий подтверждением новых строк.

Что не сработало	Следующий шаг
Нет реакции	Проверить Code review и точную команду в комментарии PR
Репозиторий недоступен	Проверить облачное подключение и разрешения GitHub
Замечания не относятся к задаче	Уточнить описание PR и правила проекта
Замечаний нет	Выполнить тесты и ручную приёмку сценария

Оставь решение о слиянии в обычном процессе команды. Если требуется работа с issue и самостоятельное исправление кода через Actions, это отдельный сценарий: Claude Code в GitHub. Для доступа к файлам из ИИ-клиента пригодится GitHub MCP.

Todo: попробуй на своей задачеВключить ревью репозиторияПроверить конкретный PRОписать инварианты проектаВоспроизвести найденный дефектПрогресс сохраняется в этом браузере.

ПРАКТИКА НА КУРСЕ / AI PRODUCT CLUB

Собери своего ИИ-агента и проверь результат

«AI Agents: от vibe coding к AI-команде»: desktop agents, MCP, skills, evals и harness. Отдельные воркшопы — от подключения инструментов до контроля качества.

7 практических воркшопов · записи · вопросы автору в чате

Посмотреть программу курса ↗

Автор: Михаил Карпов — практик автоматизации и автор курсов AI Product Club.