前言
作为一名在日本开发团队工作的非母语者，写 PR 的审查评论对我来说每次都是一个小小的挑战。不仅需要做出技术判断，还需要用日语准确而得体地表达。
所以我经常请 AI 帮忙写草稿，但每次都要手动把 PR 的上下文——摘要、评论 Thread、diff——逐一复制粘贴，说实话，挺烦的。
「这种事情就应该自动化」——想到这里，我做了一个叫 pr-dump 的小 CLI 工具。本文将介绍它的功能、开发背景以及具体用法。
📕 什么是 pr-dump？
pr-dump 是一个命令行工具，可将指定的 GitHub 拉取请求（PR）的所有上下文（元数据、所有评论、代码差异）汇总并输出到单个文本文件中。
该工具的核心价值在于，它将 GitHub 上分散的多元信息转换为“扁平化”的单一文本，以 AI 最容易理解的形式提供。
🛠️ 安装与使用
使用 Homebrew (macOS/Linux) 可以轻松安装。
1# 添加 Formula
2brew tap CheerChen/pr-dump
3
4# 安装
5brew install pr-dump
其他安装方法请参见 GitHub 仓库 。
使用方法
⚠️ 重要：必须先登录 GitHub CLI。
1# 1. 移动到包含要审查的 PR 的仓库目录
2cd /path/to/your/repository
3
4# 2. 指定 PR 编号并执行
5pr-dump 123
6
7# 这样，当前目录下就会生成一个 review.txt 的文件。
输出示例
生成的文件结构如下：
1################################################################################
2# PULL REQUEST CONTEXT: #42
3################################################################################
4
5--- METADATA ---
6PR Title: Add user authentication system
7PR Body: This PR implements JWT-based authentication...
8
9--- ALL COMMENTS ---
10## Timeline Comments ##
11- Timeline comment from @developer1:
12 Looks good, but consider adding rate limiting...
13
14## Code Review Comments ##
15- Code comment from @reviewer on `auth.go` (line 25):
16 This function should handle edge cases...
17
18--- GIT DIFF ---
19diff --git a/auth.go b/auth.go
20new file mode 100644
21index 0000000..abc1234
22+++ b/auth.go
23@@ -0,0 +1,45 @@
24+package auth
25...
主要功能
- 完整的上下文: 完整获取 PR 的标题、正文、所有审查评论、时间线上的讨论以及
git diff的信息。 - 为 AI 审查优化: 输出是为 AI 进行代码审查而优化的结构化文本格式。
- 排除噪音: 默认过滤掉像
pr-agent这样的机器人自动生成的评论，让您可以专注于人工讨论。 - 操作简单: 只需一个易于记忆的命令，即可瞬间获取所需信息。
🚀 为什么现有工具不够用
在决定自己写之前，我先调查了已有的方案。
- PR-Agent：在 CI/CD 上自动运行审查，能取到 diff，但不包含 PR 上团队之间的讨论（Timeline Comments）。而我要解决的问题恰恰是「在已有讨论的基础上，审查带有评论的代码内容」——讨论缺失了会丢失许多信息。
- GitHub Copilot Chat：可以在 PR 页面上提问，但输出封闭在 GitHub 的对话框里，无法把上下文导出使用。
- 手动复制粘贴：最可靠，但把 PR 的元数据、所有评论、diff 凑齐一次要 3~5 分钟。一周审 5 个 PR，一年下来就是 15 小时以上的纯手工劳动。
所以最后的判断是：需要一个「把 PR 的全部上下文集合到一个文件里」的单功能 CLI。说实话，pr-dump 不是一个「面向所有人的工具」，而是一个「为了解决自己的问题而诞生的个人工具」。但如果哪怕有一个人也有同样的烦恼，那就算没白做。
与 Gemini 的协作示例
使用 pr-dump 生成的文本文件，在向像 Gemini 这样的对话式 AI 传递上下文时非常有用。
下面，我将展示一个实际使用的例子。
1. 使用 pr-dump 生成上下文
首先，我们运行 pr-dump 生成文本文件。
1P-LMD0001:awesome-project xxx$ pr-dump 573
2🚀 Starting context generation for PR #573...
3✅ Success! All context has been saved to 'review.txt'.
4📄 Text format ready for LLM input.
2. 将文件附加到 Gemini 并提问
接下来，将这个 review.txt 文件附加到 Gemini，并使用如下提示提出具体请求。
提示示例：
阅读 @review.txt 他问 もしこのテーブルに「説明」や「優先度」などの列を追加して整理したい場合も対応できますが、追加しますか？ 是什么意思?
3. Gemini 的回答示例
然后，AI 会在理解上下文的基础上，生成准确的回答。
这个 PR 的作者在变更内容部分创建了一个表格，用于汇总通知类型和对应的通知渠道。他就此向审查者询问：
“もしこのテーブルに「説明」や「優先度」などの列を追加して整理したい場合も対応できますが、追加しますか？”
也就是说，他想确认是否需要在现有表格的基础上，增加一些列来说明每个通知的含义（说明）以及其紧急程度（优先级），从而使表格更易于管理。
通过这种方式，可以使与 AI 的对话变得非常顺畅和具体。
其他使用场景
这个工具不仅仅是“对话辅助”。在现代开发工作流程中，它扮演着“适配器”的角色，帮助所有开发人员最大限度地利用 AI 的优势。
-
加快代码审查速度: 需要审查大量 PR 的高级工程师，只需将生成的文件交给 AI，并请求“总结这个 PR 的重要变更点和潜在风险”，即可在几秒钟内掌握核心内容。
-
快速理解复杂的 PR: 即使是经过长期讨论、有数十条评论的 PR，也可以通过向 AI 提问“这个 PR 的主要争议点是什么？最终的代码解决了哪些问题？”，让新加入的成员也能快速跟上进度。
-
自动生成发布说明和文档: 基于已合并 PR 的上下文，向 AI 请求“为这个变更写一份发布说明的草稿”，可以大大减少编写文档的工作量。
与类似工具的比较
前面提到了几个我调查过的方案，这里用表格做一个更完整的对比。
| 比较项目 | pr-dump | PR-Agent | GitHub Copilot Chat |
|---|---|---|---|
| 主要目的 | 汇总 PR 的全部上下文，为人类或 AI 生成输入 | 自动化 PR 流程，代为执行审查和生成描述 | 在 PR 页面上就代码差异提问，辅助审查 |
| 执行环境 | 本地 CLI | GitHub Actions (CI/CD) | GitHub 的 PR 页面 |
| 上下文范围 | 整个 PR（元数据、所有评论、差异） | 主要为 PR 的代码差异 | PR 内的代码差异（Copilot 自动获取的范围） |
| 最佳用途 | 辅助审查复杂 PR、向 AI 提出详细问题 | 自动化审查常规 PR、自动生成描述 | 就 PR 的代码差异提出具体问题、建议审查评论 |
| 成本 | 免费（开源） | 免费（开源，但后端需要 OpenAI 等 API 密钥） | 需要 GitHub Copilot 订阅 |
一句话总结：PR-Agent 和 Copilot Chat 替你做审查，pr-dump 帮你准备审查的素材。它们不是竞争关系，而是可以组合使用的。
结语
我认为像 pr-dump 这样 为开发者填补现有平台与 AI 之间“鸿沟”的工具 未来将变得越来越重要。目前它只是一个为解决我个人问题而诞生的小工具，但我相信，在与 AI 共存的现代软件开发中，它有潜力提高许多开发人员的生产力。
欢迎您试用并提供反馈。