Automated Code Review System

Ein vollautomatisiertes Code Review System mit AI Hub Integration.

🚀 Features

✅ One-File Output - Eine einzige, vollständige Markdown-Review-Datei
✅ AI-Powered Reviews - AI Hub Integration für automatische Code-Analysen
✅ Management Summary - KI-generierte Zusammenfassungen für Führungskräfte
✅ Consolidated Reports - Alle Informationen in einer strukturierten Datei
✅ Erweiterte Logging-Funktionen - Debug-Logs, Request/Response-Speicherung
✅ Konfigurierbare Diff-Kürzung - Anpassbare Limits für große Änderungen
✅ 80-Char Console Logging - Optimierte Konsolen-Ausgabe
✅ Zeitstempel-basierte Benennung - Dateien mit YY-MM-DD_HH-MM Prefix
✅ Sichere Konfiguration - Git-Credentials in externer JSON-Datei
✅ Azure DevOps Integration - Direkter Repository-Support

📋 Quick Start

# Automatisches Review eines Branches
./review.sh <BRANCHNAME>

# Beispiel  
./review.sh feat/my-silly-change

Ergebnis: Eine einzige Markdown-Datei mit vollständigem Review:

results/25-09-26_14-44_complete-review-feat-my-silly-change.md

Ein komplettes Beispiel eines Review-Ergebnisses findet du hier.

Zusätzlich generierte Debug-Dateien:

logs/25-09-26_14-44_review-log-feat-my-silly-change.log
logs/25-09-26_14-44_ai-request-feat-my-silly-change.json
logs/25-09-26_14-44_ai-response-feat-my-silly-change.json

📄 Generierte Review-Datei

Das System erstellt eine einzige, vollständige Markdown-Datei mit folgender Struktur:

� Dateistruktur

# Vollständige Code-Review: <BRANCH-NAME>

## 📋 Inhaltsverzeichnis
1. Management Summary
2. Übersichtstabelle  
3. AI-Review
4. Technische Details
5. Code-Änderungen (Diff)

## Management Summary
- KI-generierte Zusammenfassung für Führungskräfte
- Qualitätsbewertung und Risikobewertung
- Konkrete Deployment-Empfehlungen

## Übersichtstabelle
- Branch, Autor, Dateien geändert
- Zeilen hinzugefügt/entfernt
- Test- und Konfigurationsstatus

## AI-Review  
- Vollautomatische Code-Analyse durch AI Hub
- Deutsche Sprache, professionelle Struktur
- Code-Qualität, Security, Performance Assessment

## Technische Details
- Branch-Informationen und Metadaten
- Commit-Historie und Merge-Base

## Code-Änderungen (Diff)
- Liste der geänderten Dateien
- Vollständiger, kollabierbar Diff-Inhalt

🤖 AI-Integration: AI Hub

Das System nutzt den AI Hub für vollautomatische AI-Reviews:

🔧 Konfiguration (review.json)

{
  "git": {
    "username": "your-username",
    "password": "your-personal-access-token"
  },
  "repository": {
    "url": "https://dev.azure.com/org/project/_git/repo"
  },
  "ai": {
    "useAI": true,
    "diff_max_chars": 10000,
    "adesso_hub": {
      "url": "https://.../...",
      "api_key": "...",
      "model": "gpt-oss-120b-sovereign",
      "max_tokens": 2000,
      "temperature": 0.3
    }
  }
}

📋 Neue Konfigurationsoption: diff_max_chars

Konfiguriert die maximale Anzahl der Zeichen, die vom Diff zur AI-Analyse gesendet werden:

Standard-Konfiguration (empfohlen):

{
  "ai": {
    "diff_max_chars": 10000    // 10.000 Zeichen Limit für API-Kompatibilität
  }
}

Vollständige Analyse (keine Kürzung):

{
  "ai": {
    "diff_max_chars": 0        // Keine Kürzung, vollständiger Diff
  }
}

Konservative Einstellung:

{
  "ai": {
    "diff_max_chars": 5000     // Kleineres Limit für strikte API-Constraints
  }
}

Wichtige Hinweise:

• ✅ Standard 10000: Guter Kompromiss zwischen Detail und API-Kompatibilität
• ⚠️ 0 (keine Kürzung): Kann bei großen Diffs zu API-Fehlern führen
• 🔍 Debug-Logs: Zeigen an, ob und wie der Diff gekürzt wurde

Vorteile der AI Hub Integration:

✅ Vollautomatisch - Echte AI-Analyse ohne manuelle Schritte
✅ Unternehmens-KI - Sichere, interne AI-Lösung von Adesso
✅ Deutsche Sprache - AI-Reviews auf Deutsch
✅ Hohe Qualität - Strukturierte, professionelle Code-Analysen
✅ Management Summary - KI-generierte Zusammenfassungen für Führungskräfte
✅ Ausfallsicher - Graceful Fallback wenn Hub nicht erreichbar

🔍 AI Review Analyse-Bereiche

Die AI Hub Reviews analysieren systematisch:

🔍 Code Quality Analysis

• Coding Standards und Best Practices
• Code-Komplexität und Lesbarkeit
• Architektur-Patterns und Design-Entscheidungen

🛡️ Security Review

• Potentielle Sicherheitslücken
• Input-Validierung und Sanitizing
• Authentication und Authorization Issues

⚡ Performance Assessment

• Algorithmus-Effizienz
• Memory-Management
• Database-Query Optimierung

🧪 Best Practices Check

• Einhaltung von Coding Standards
• Test-Coverage und Test-Qualität
• Dokumentation und Code-Kommentare

🏗️ Architecture Review

• Design-Entscheidungen und Patterns
• API-Design und Schnittstellen
• Modulstruktur und Dependencies

⚖️ Risk Assessment & Management Summary

• Potentielle Risiken und Mitigation
• Change-Impact Analyse
• Management Summary für Führungskräfte mit Deployment-Empfehlungen

⚙️ Setup & Konfiguration

1. Repository Setup

  ```bash

git clone cd aireview

### 2. Konfiguration erstellen

```bash
# Template kopieren und anpassen
cp review.template.json review.json

# Konfiguration bearbeiten
nano review.json

Erforderliche Anpassungen in review.json:

• git.username - Ihr Azure DevOps Username
• git.password - Personal Access Token
• repository.url - URL zu Ihrem Azure DevOps Repository
• ai.adesso_hub.api_key - Ihr AI Hub API Key (falls verfügbar)
• ai.diff_max_chars - Diff-Kürzungs-Limit (optional, Standard: 10000)

3. Dependencies prüfen

# Erforderliche Tools
which git    # ✅ Git installiert
which jq     # ✅ jq für JSON-Parsing
which curl   # ✅ curl für API-Calls

# Falls jq fehlt:
sudo apt-get install jq  # Ubuntu/Debian  
brew install jq          # macOS

4. Script ausführbar machen

chmod +x review.sh

🚀 Usage Examples

Einfaches Review

./review.sh feat/user-authentication

Output:

[2025-09-26 10:56:09] 🚀 Starting automated code review for branch: feat/user-authentication
[2025-09-26 10:56:09] ✅ Repository cloned successfully
[2025-09-26 10:56:09] ⚠️ Diff zu groß (19475 chars), gekürzt auf 10000 chars
[2025-09-26 10:56:09] ✅ AI-Review erfolgreich erstellt (1247 characters)
[2025-09-26 10:56:09] 📋 Einzige Review-Datei erstellt: 25-09-26_10-56_complete-review-feat-user-authentication.md
[2025-09-26 10:56:09] 🎉 Review completed! Check results in: results/

📝 **Key Review Points:**
🔴 **Large Change** - High complexity, thorough review required
⚙️ Configuration files changed - Review for security

Review mit großen Änderungen

./review.sh feat/major-refactoring-TICKET-123

Erwartete Ergebnisse:

• 🔴 Large Change - Umfassende Prüfung erforderlich
• 📋 Management Summary mit Risikobewertung
• ⚠️ Deployment-Empfehlungen für stufenweises Rollout

📁 Dateistruktur

aireview/
├── review.sh                    # Haupt-Script
├── review.json                  # Konfiguration (nicht in Git!)  
├── review.template.json         # Template für Konfiguration
├── complete-review-example.md   # Vollständiges Beispiel-Review
├── README.md                    # Diese Dokumentation
├── results/                     # Generierte Review-Dateien
│   └── YY-MM-DD_HH-MM_complete-review-BRANCH.md
├── logs/                        # Debug- und Logging-Dateien
│   ├── YY-MM-DD_HH-MM_review-log-BRANCH.log       # Haupt-Log
│   ├── YY-MM-DD_HH-MM_ai-request-BRANCH.json      # API-Requests
│   └── YY-MM-DD_HH-MM_ai-response-BRANCH.json     # API-Responses
└── checkout/                    # Temporäre Git-Checkouts (automatisch bereinigt)
    └── ts-mono-repo-BRANCH/     # Temporärer Git-Clone

🔧 Troubleshooting

Script startet nicht

# Permissions prüfen
ls -la review.sh
chmod +x review.sh

# Syntax prüfen  
bash -n review.sh

# Log-Dateien nach fehlgeschlagenen Versuchen prüfen
ls -la logs/

Git Authentication Fehler

# PAT prüfen
git ls-remote https://username:token@dev.azure.com/org/project/_git/repo

# Konfiguration validieren
jq . review.json

AI-Hub nicht erreichbar

# Status in der generierten Review-Datei:
## AI-Review
⚠️ AI-Hub Response invalid or empty
AI-Review konnte nicht erstellt werden - ungültige Antwort vom Hub.

Lösungsansätze:

• API-Key in review.json prüfen
• AI Hub Verfügbarkeit testen
• Als Fallback wird trotzdem ein vollständiges Review erstellt

Diff zu groß für AI-Analyse

# Warnung in der Konsole:
[2025-09-26 11:23:45] ⚠️ Diff zu groß (25000 chars), gekürzt auf 10000 chars

Lösungsansätze:

1. Standard-Verhalten beibehalten - 10.000 Zeichen sind meist ausreichend
2. Kürzung deaktivieren für vollständige Analyse:

   {
     "ai": {
       "diff_max_chars": 0
     }
   }

3. Limit anpassen je nach AI-Hub Kapazität:

   {
     "ai": {
       "diff_max_chars": 15000
     }
   }

Debug-Informationen: Die Log-Dateien in logs/ enthalten Details zur Diff-Verarbeitung

📈 Advanced Features

🔧 Erweiterte Logging-Funktionen

Das System bietet umfassendes Debug-Logging für Troubleshooting:

# Log-Dateien werden automatisch erstellt:
logs/
├── 25-09-26_11-23_review-log-BRANCH.log           # Haupt-Log mit allen Details
├── 25-09-26_11-23_ai-request-BRANCH.json          # API-Request Payload  
└── 25-09-26_11-23_ai-response-BRANCH.json         # API-Response Details

Log-Level:

• Console: Wichtige Informationen (80 Zeichen optimiert)
• DEBUG: Detaillierte technische Informationen (nur in Datei)
• ERROR: Fehler mit Stack-Traces für Debugging

⚙️ Konfigurierbare Diff-Verarbeitung

Intelligente Diff-Kürzung basierend auf diff_max_chars:

# Bei großen Diffs:
[2025-09-26 11:23:45] ⚠️ Diff zu groß (19475 chars), gekürzt auf 10000 chars
[DEBUG] Diff max chars config: 10000
[DEBUG] Original diff size: 19475 characters  
[DEBUG] Limited diff size: 10045 characters
[DEBUG] Diff truncated: yes

Verwendungsfälle:

• Große Refactorings: diff_max_chars: 0 für vollständige Analyse
• API-Limits: diff_max_chars: 5000 für strikte Limits
• Standard-Reviews: diff_max_chars: 10000 (empfohlen)

Console Output Optimization

Das System nutzt 80-Zeichen Logging für optimale Konsolen-Lesbarkeit:

[2025-09-25 14:45:54] 🚀 Starting automated code review for branch: feat/add-test...
[2025-09-25 14:45:54] ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
[2025-09-25 14:45:54] ✅ Repository cloned successfully

Management Summary Generation

Automatische Generierung von Management Summaries für Führungskräfte:

• Was wurde geändert - Zusammenfassung der Änderungen
• Qualitätsbewertung - Risiko-Assessment (Niedrig/Mittel/Hoch)
• Empfehlung - Konkrete Deployment-Empfehlungen
• Nächste Schritte - Actionable Items für das Team

---

📞 Support

Bei Fragen oder Problemen:

1. README.md durchlesen - Häufige Probleme sind hier dokumentiert
2. Script-Output prüfen - Detaillierte Fehlermeldungen in der Konsole
3. Log-Dateien checken - Debug-Informationen in logs/
4. Review-Dateien checken - Auch bei Fehlern wird meist eine Datei erstellt
5. Git-Repository Issues - Für Bug Reports und Feature Requests

📦 Dependencies

Erforderliche Tools:

• git - Für Repository-Operations
• jq - Für JSON-Parsing der Config-Datei
• curl - Für API-Aufrufe (bereits auf den meisten Systemen installiert)

jq Installation:

# Ubuntu/Debian
sudo apt-get install jq

# macOS
brew install jq

# CentOS/RHEL
sudo yum install jq