Construisez un robot de revue de code alimenté par l'IA à partir de zéro et publiez-le sur la place de marché GitHub. Ce cours pratique vous guide à travers le cycle de vie complet de la création d'une action GitHub qui utilise de grands modèles de langage pour examiner automatiquement les demandes d'extraction et fournir un retour d'information sur la qualité du code. Vous commencez par explorer les raisons pour lesquelles la revue de code automatisée est importante, en examinant des demandes d'extraction réelles dans des projets complexes, et en comprenant l'architecture des pipelines de revue IA construits sur les actions GitHub. Vous définissez ensuite les critères de révision en utilisant l'outil d'analyse de la qualité du code pmat, vous étudiez les actions de révision existantes en tant qu'implémentations de référence, et vous développez des stratégies d'ingénierie promptes à produire un retour d'information IA utile. Dans la phase d'implémentation, vous appliquez le développement guidé par la documentation pour planifier votre action, la construire avec l'assistance de l'IA, ajouter des tests, et l'affiner grâce à des stratégies de test locales. Vous déployez l'action sur GitHub, l'utilisez sur des requêtes réelles et faites face aux défis pratiques de l'IA générative, y compris les réponses non déterministes. Le cours se termine par la rédaction d'une documentation claire sur l'action et la publication de votre robot d'évaluation sur la place de marché GitHub pour une distribution à la communauté.