Cli Diff Review

Cli Diff Review 是一个面向 CLI Coding Agent 的 VS Code 扩展。

它自动识别 Git 工作区中的代码变更，并提供类似 Cursor、GitHub Copilot 的逐块审阅体验。无论代码由 Codex、Claude Code、Gemini CLI 或其他工具生成，都可以在同一个界面中查看、接受、拒绝和撤销变更。

同时，插件参考 llm-wiki 理念为项目建立可持续更新的本地知识库，使项目知识能够被 Coding Agent 和 Review Agent 感知，并结合工作区或分支差异提供 Multi Agent AI Review。

🎬 项目介绍视频：点击观看

核心原理

插件通过 Git 检测代码变化，以暂存区内容作为基线，将工作区中的未暂存修改转换为可审阅的 Diff Chunk，并在 VS Code 中高亮呈现。

许多 CLI Coding Agent 更关注任务执行，代码变更会直接写入工作区；部分交互流程还需要先接受当前变更，才能继续处理下一处修改。这使用户很难等 Agent 完成全部工作后，再对所有变更进行一次统一审阅。

终端中的 Diff 通常也只展示变更内容及其上下文，缺少完整的代码浏览能力，难以直接进行定义和引用跳转。

Cli Diff Review 将代码生成与代码审阅分离，通过 Git 汇总 Agent 产生的工作区变更，并在 VS Code 中提供统一的后置审阅体验。

你可以：

• 在 Agent 完成修改后统一审阅全部变更、按代码块或文件接受、拒绝和撤销变更
• 浏览完整文件，并从变更位置跳转到定义或引用
• 在修改之间快速跳转

这种方式不要求 Coding Agent 主动接入插件。只要 Agent 修改了 Git 工作区，Cli Diff Review 就能补充类似 Cursor 和 GitHub Copilot 的后置 Review 体验。

交互说明

支持多项目变更检测

支持代码段/文件级/项目级review操作(接受/拒绝/撤销)

在本地审阅 Pull Request

远程代码仓库提供的 Pull Request Review 通常围绕局部 Diff 展开。面对复杂变更时，很难浏览完整文件、跳转代码定义和引用，AI 生成的修改建议也难以直接应用到本地代码。

Cli Diff Review 可以将分支之间的代码差异提取到当前工作区，复用已有的代码变更检测和审阅能力，无需切换或合并待审分支。

这使 Pull Request 的代码审校可以在完整的本地开发环境中进行，不再受远程代码仓库局部 Diff 交互的限制。

LLM Code Wiki

本项目的 LLM Code Wiki 基于 Karpathy 的 llm-wiki 思路改造。

它用于在 Vibe Coding 过程中为项目建立一个持续更新的本地知识库。知识库可以随代码仓库共享，被插件内置的 AI Review、其他 Coding Agent，以及远程代码仓库中的 Review Agent 感知和使用。

知识库以项目 Skill 的形式存在。初始化后的完整基础结构如下：

AGENTS.md                                  ───── 向 Coding Agent 提供 Wiki 入口与协作规则

.agents/skills/llm-code-wiki/
├── SKILL.md                               ───── Coding Agent 使用知识库的入口
├── .state.json                            ───── 插件维护的运行状态与源码指纹
└── references/
    ├── schema.md                          ───── 知识库结构、维护规则与写入约束
    ├── index.md                           ───── 所有知识页面的导航索引
    ├── overview.md                        ───── 项目目标、用户与主要能力
    ├── architecture.md                    ───── 系统边界、组件关系与数据流
    ├── modules.md                         ───── 模块职责及对应源码位置
    ├── interfaces.md                      ───── 公共 API、命令、协议与数据结构
    ├── workflows.md                       ───── 运行流程与开发工作流
    ├── decisions.md                       ───── 重要设计决策与技术取舍
    ├── open-questions.md                  ───── 尚未确认的问题与不完整结论
    ├── log.md                             ───── 初始化和更新的追加式记录
    └── <其他主题>.md                      ───── 根据项目需要扩展的知识页面

插件内置 Agent 负责初始化知识库骨架；在后续开发中，Coding Agent 能够感知并读取该 Skill，与插件更新 Agent 共同维护项目知识。

源码始终是事实来源。知识库使用 Markdown 提炼项目架构、模块职责、开发流程、开发约定和重要设计信息，使项目知识能够随代码持续演进。

初始化与更新 Agent

知识库初始化和更新采用相同的多 Agent 流程。初始化会搭建完整知识库，后续更新则根据源码变化维护受影响的内容。

┌──────────────────────────────┐
│ Wiki Planning Agent          │───── 分析项目结构或源码变化，规划需要处理的模块
└──────────────────────────────┘
               │
               ▼
┌──────────────────────────────┐
│ Module Analysis Agents       │───── 并行阅读相关源码和现有 Wiki，输出基于代码事实的模块分析
└──────────────────────────────┘
               │
               ▼
┌──────────────────────────────┐
│ Wiki Integration Agent       │───── 汇总模块分析，创建或更新 Wiki 页面、索引和项目 Agent 指引
└──────────────────────────────┘

与 RAG 的取舍

LLM Code Wiki 并不是为了替代 RAG。RAG 更适合从大量资料中检索相关内容，而 LLM Code Wiki 更关注如何让 Coding Agent 持续理解并维护当前项目。

LLM Code Wiki 的优势是轻量、透明和可版本管理，适合保存 Coding Agent 需要反复参考的项目知识。面对超大型项目或大量非结构化资料时，它的语义检索和信息召回能力通常不如完整的 RAG 系统。

两者关注的问题不同，也可以在更复杂的场景中配合使用。

AI Review

Cli Diff Review 可以基于当前工作区变更或分支差异运行 AI Code Review。

AI Review 支持：

• 分析代码变更中的潜在问题
• 结合当前源码和 LLM Code Wiki 理解项目上下文
• 检查跨文件调用、配置和集成问题
• 将问题和修改建议关联到具体代码块
• 直接应用或撤销 AI 修改建议

多 Agent 审阅架构

完整的代码审阅由多个 Agent 协作完成：

┌──────────────────────────────┐
│ Knowledge Retrieval Agent    │───── 从 LLM Code Wiki 提取相关知识，并使用当前源码验证关键结论
└──────────────────────────────┘
               │
               ▼
┌──────────────────────────────┐
│ Review Planning Agent        │───── 分析整个变更集，规划需要重点检查的文件和风险
└──────────────────────────────┘
               │
               ▼
┌──────────────────────────────┐
│ File Review Agents           │───── 并行审阅各个文件，将问题和修改建议关联到具体 Diff Chunk
└──────────────────────────────┘
               │
               ▼
┌──────────────────────────────┐
│ Integration Review Agent     │───── 综合文件审阅结果，检查跨文件调用、配置和整体集成问题
└──────────────────────────────┘

支持 OpenAI、Anthropic，并针对 DeepSeek 和 GLM 模型服务进行了专门适配。