企业官网建设流程全解析

• 人工智能
• AI Agent
• 代码评审
• 代码智能体
• 开发工具
• 质量保障
• 工作流自动化

/ask是 PR Agent 提供的自由问答（Question Answering）工具，它基于 Pull Request 的代码变更（diff）回答你提出的任何具体问题，既可以对整个 PR 提问，也可以对 diff 视图中的特定代码行提问，甚至支持对评论中的图片提问。读完本文，你将掌握/ask与/ask_line的完整用法、图片提问的直链获取技巧，以及ask_heading、extra_instructions、use_conversation_history等配置项的底层行为。

一、工具概览：/ask能做什么

/ask工具基于 PR 代码变更回答问题，其上下文是 PR 的完整 Git Diff 以及 PR 的标题、分支、描述、语言、提交信息等元数据。它的工作方式是：你提出一个问题，模型基于 PR 中新增的代码（diff 中带+的行）给出具体回答。因此提问时应尽量具体、清晰，模糊的问题难以得到有价值的答案。

调用方式是在任意 PR 下发表评论：

/ask "..."

例如/ask "What does this change do?"。除了通过 PR 评论触发，也可以从 CLI 运行：

python -m pr_agent.cli --pr_url=<PR_URL> ask "How does X work?"

CLI 与评论形式接受相同的工具参数与配置覆盖（详见 docs/docs/tools/index.md 与 docs/docs/usage-guide/configuration_options.md）。

运行后的回答示例：

从源码实现看，/ask对应的类是 PRQuestions，其__init__会一次性收集以下上下文变量，并组装成提示词：

• title：PR 标题；
• branch：PR 源分支；
• description：PR 描述；
• language：主语言（由get_main_pr_language根据仓库语言与文件推断）；
• diff：PR 的 Git Diff；
• questions：用户问题文本；
• conversation_history：对话历史（仅在支持线程评论的 Provider 上加载）；
• commit_messages_str：提交信息列表；
• extra_instructions：来自pr_questions.extra_instructions的附加指令；
• skills_context：当skills.enabled为 true 时注入的组织技能上下文。

这些变量最终渲染进 pr_questions_prompts.toml 中的 system/user 提示词模板，模型被要求只针对 PR 新增代码（+行）回答问题，并且不得回避问题。

二、对指定代码行提问（/ask_line）

除对整个 PR 提问外，你还可以在 PR 的 diff 视图中选中特定代码行，让工具基于选中的这些行的代码变更回答问题。这是审查具体实现时最高效的用法。

在 GitHub 的 diff 视图中操作步骤如下：

1. 点击行号旁边的'+'号选中该行；
2. 要选中多行，先点击第一行的 '+' 号，然后按住并拖动鼠标选中其余行；
3. 在评论框中输入/ask "..."，点击Add single comment按钮。

注意：工具对之前的问题没有"记忆"，每个问题都是独立回答的（除非配置了对话历史支持，见下文use_conversation_history）。

/ask_line的源码实现

行级提问对应 PR_LineQuestions 类。当你在 GitHub 的 diff 视图发起行级评论时，GitHub App 会解析出该评论对应的 diff hunk，并通过设置项注入：

• ask_diff_hunk：被选中的 hunk 片段（见 github_app.py）；
• line_start/line_end：选中行的起止行号；
• side：diff 的哪一侧（RIGHT为默认）；
• file_name：目标文件；
• comment_id：评论线程 ID。

随后 extract_hunk_lines_from_patch 从 hunk 中提取出"完整上下文 hunk（full_hunk）"和"被选中的行（selected_lines）"，两者分别渲染进 pr_line_questions_prompts.toml 的 user 提示词——模型先看完整 hunk 上下文，再聚焦于被选中的行回答问题。

该提示词模板还支持一个高级能力resolve_threads：当配置开启且 Provider 支持线程解析时，模型在回答末尾判定讨论线程是否已解决，若已解决则追加[THREAD_RESOLVED]标记，工具会据此自动关闭该审查线程（见 pr_line_questions.py）。若未匹配到任何 hunk，工具不会调用模型，而是回复一条说明无法回答的消息。

三、对图片提问（/ask+ 图片）

/ask还支持针对评论中出现的图片提问，此时整个 PR 代码都会被用作上下文。基本语法是：

/ask "..." [Image](https://real_link_to_image)

其中https://real_link_to_image是图片的直接链接。

为什么需要"直接链接"

GitHub 内置了在评论中粘贴图片的机制，但粘贴进去的图片并不会提供直接链接（它只是一段 Markdown 引用）。而/ask需要拿到https://...形式的直链才能把图片传给模型。为此官方推荐以下四步方案：

1. 先发表一条只包含图片的评论；
2. 对该评论进行"引用回复"（quote reply）；
3. 在打开的编辑框中，把问题写在图片下方；
4. 发表评论，等待回答。

最终效果示意：

图片识别的源码逻辑

从源码看，identify_image_in_comment 会从问题文本中解析图片路径，支持两种写法：

• image形式：提取括号内的图片路径；
• 直接包含https://且带.png/jpg后缀的直链：截取 URL 作为图片路径。

识别到图片后，工具会把img_path注入变量，并在调用chat_completion时以多模态方式把图片与 PR diff 一起提交给模型（见 pr_questions.py）。

四、配置选项

/ask相关的所有配置项都在[pr_questions]配置段下，默认值定义于 configuration.toml。

配置文件中的示例用法：

[pr_questions] ask_heading = "Architecture Question" extra_instructions = "Do not answer questions that ask to rate PR quality on a scale of 1 to 10."

上述ask_heading配置会渲染为### **Architecture Question** ❓。这对应 format_pr_questions_header 的实现：它读取pr_questions.ask_heading，在支持 Markdown 反斜杠转义的 Provider 上对标点做转义处理，最终拼接为### **{heading}** ❓；若配置值非法（非字符串、为空或包含多行），会回退到默认值Ask。

除配置文件中设置外，还可以在 PR 评论中按命令参数临时覆盖（--pr_questions.xxx）：

/ask "What does this change do?" --pr_questions.extra_instructions="Answer in one short paragraph."

补充：resolve_threads与配置安全

除了原文档列出的四项，[pr_questions]段还包含一个resolve_threads选项（默认false），用于控制/ask_line是否在判定问题已解决后自动关闭审查线程（见 pr_line_questions.py）。由于它会影响评论线程状态，该选项与use_conversation_history一同被 config_security.py 列入敏感配置白名单，只有显式允许的值才会从仓库配置/远程配置中生效。

五、回答生成流程与工程细节

一次/ask调用在 PRQuestions.run 中按以下流程执行：

1. 若config.publish_output开启，先发布一条 "Preparing answer..." 临时评论；
2. 从问题文本中识别图片路径（identify_image_in_comment）；
3. 通过retry_with_fallback_models(..., model_type=ModelType.WEAK)调用模型，失败时自动回退到备用模型；
4. 使用AttemptTokenBudget对对话历史与 PR diff 做 token 预算拟合——先按 token 限制裁剪对话历史（保留后缀），再计算get_pr_diff，确保完整 diff 能放进模型上下文，否则直接报错；
5. 生成回答并发布（若存在comment_id且 Provider 支持线程化问答，则回复到原评论线程，而不是新开一条评论，见_publish_answer）。

回答发布前还有一道防误触净化处理：_prepare_pr_answer会保证回答中没有任何行以/开头，避免在支持快捷命令的 Provider（如 GitLab）上被误解析为新的工具调用（见 pr_questions.py）。

对话历史的加载

use_conversation_history开启时，PR_LineQuestions._load_conversation_history 会通过get_review_thread_comments拉取评论线程中的历史消息，过滤掉空评论与当前提问本身，格式化为N. username: message的编号列表注入提示词；若历史过长，_fit_conversation_history会按 token 预算裁剪并保留靠后的部分，同时记录警告日志。

六、测试与验证

仓库为/ask相关逻辑提供了较完整的单元测试，可作为行为契约参考：

• test_azure_devops_webhook_comments.py 验证了 Azure DevOps Webhook 场景下：行级评论被转换为/ask_line --line_start=8 --line_end=10 --side=right、PR 评论被转换为带--comment_id/--origin_comment_id的线程化/ask、无效行范围回退为线程化/ask、空/ask被保留等行为；
• test_cli_command_tokenization.py 验证了/ask "What changed here?"被正确分词为ask命令与参数。

总结

/ask是 PR Agent 中最灵活的自由问答工具：对整个 PR 提问用于快速理解变更意图，对指定代码行提问（/ask_line）用于深入审查具体实现，附加图片则可以把 UI 截图、报错截图等非文本信息纳入问答上下文。配置上，ask_heading控制回答标题、extra_instructions注入行为约束、enable_help_text决定是否附带使用指南、use_conversation_history决定行级问答是否携带线程历史。建议在实际使用中把问题写具体、附上必要的行号或图片直链，并结合--pr_questions.xxx临时参数做细粒度控制。

• 人工智能
• AI Agent
• 代码评审
• 代码智能体
• 开发工具
• 质量保障
• 工作流自动化