长上下文代码审查
先看完整上下文，再审查真正重要的改动。
有价值的代码审查不只需要 diff。把架构说明、相关文件、失败日志和改动目标一起交给 Space Bunny，让它跨越边界推理，而不是只根据一个代码片段猜测。
review_prompt.txt
Review this change in the context of the repository.
1. Trace the request path across the affected files.
2. Identify correctness, migration and rollback risks.
3. Separate confirmed findings from assumptions.
4. Return file paths, evidence and a smallest safe next step.为什么上下文重要
真正的 Bug 往往藏在 diff 旁边的边界上。
当模型只看到被修改的函数时，代码库任务会更难。长上下文让它可以在同一个工作集合中比较接口、调用方、测试、配置和事故证据。
沿着架构追踪
提供模块边界和请求路径，让审查可以判断局部修改如何穿过系统。
把证据放在一起
当问题跨越多个材料才会出现时，把源文件、日志、测试和设计说明一起加入上下文。
让不确定性可见
要求模型分别给出证据、假设和置信度，不要只接受一段无法审计的流畅结论。
实用的审查循环
完整描述问题，但不必默认塞入每一个文件。
百万 Token 上下文是余量，不是目标。先提供有用的上下文包，只有模型指出信息缺口时再扩大范围。
01
先画出改动范围
列出变更文件、入口、预期行为，以及负责相关状态的模块。
02
检查边界
补充调用方、接口、测试、配置和日志，用来确认或推翻疑似故障路径。
03
返回可行动的审查结果
要求文件级证据、严重程度、假设和最小安全下一步，最终由人批准修改。
可复用的审查简报
要求可以被验证的发现。
提示词应约束审查范围，但不要假设模型拥有代码库或部署流程的控制权。
code_review.py
review = client.chat.completions.create(
model="stealth/space-bunny-alpha",
messages=[{
"role": "user",
"content": [
{"type": "text", "text": review_brief},
{"type": "text", "text": repository_context},
],
}],
extra_body={"reasoning": {"effort": "high"}},
)保留人工参与
看得更广，不代表结果自动正确。
Space Bunny 是匿名预览模型。排除密钥，针对代码验证发现，并把写入、部署和安全决策留在明确的应用与人工校验之后。
脱敏凭据、个人数据和无关的私有文件
明确哪个版本和哪些文件是权威来源
用测试或本地检查复现重要发现
把建议补丁和工具调用视为提案
从一个真实的代码库问题开始
当完整图景会改变答案时，再使用长上下文。
在 Playground 中试用事故审查、跨文件重构计划或迁移风险检查，再把同一个请求放到服务端。