Optimizar el proceso de revisión de código es una de las prioridades en cualquier equipo de desarrollo, y hoy existen herramientas que integran inteligencia artificial para hacerlo de forma automática dentro de GitHub. Code Rabbit es una de ellas: analiza los pull requests, genera comentarios automáticos y ofrece un resumen técnico de los cambios realizados, todo sin salir del repositorio.
¿Cómo se configura Code Rabbit en un repositorio de GitHub?
Code Rabbit cuenta con una capa gratuita y ofrece catorce días de prueba en su versión pro al registrarte con tu cuenta de GitHub [0:18]. Una vez dentro del panel, puedes sincronizar tu cuenta y elegir a cuáles repositorios darle acceso.
- Puedes otorgar acceso a todos los repositorios o solo a los seleccionados.
- En el ejemplo, se selecciona únicamente el repositorio llamado AI Tools [0:48].
- Al hacer clic en instalar y autorizar, el repositorio queda conectado al panel de Code Rabbit.
Con esta configuración lista, cada vez que se cree un pull request en ese repositorio, el agente de Code Rabbit comenzará a trabajar automáticamente.
¿Qué sucede al crear un pull request?
Al generar un PR con cambios —en este caso, un ajuste en la interfaz—, Code Rabbit inicia su análisis de inmediato [1:06]. En la vista del pull request aparece el action de Code Rabbit indicando que el review está en progreso. Una vez completado, agrega un comentario detallado directamente en el PR.
Este comentario incluye:
- Los commits involucrados en el pull request.
- Los archivos modificados (en este ejemplo, dos archivos).
- Un walkthrough o recorrido explicando qué cambió en cada archivo [2:22].
- Un summary que describe técnicamente las modificaciones realizadas.
Todo esto es personalizable desde el panel de usuario: puedes configurar qué tan extenso o específico quieres el mensaje, y definir exactamente qué aspectos deseas validar [1:32].
¿Qué son los checks de pre-merge en Code Rabbit?
Además del resumen, Code Rabbit ejecuta unos checks de pre-merge antes de que el código se fusione [2:52]. En el ejemplo, dos checks pasaron correctamente y uno falló con un warning.
- El warning se generó porque el repositorio no tiene test coverage configurado.
- Code Rabbit detectó un 0 % de cobertura, cuando el threshold requerido por defecto es 80 % [3:08].
- Esta configuración viene activada por defecto, pero puede desactivarse mientras el proyecto está en fase inicial.
La recomendación es reactivar este check cuando el equipo comience a implementar unit tests, para asegurar que cada PR cumpla con el mínimo de cobertura establecido [3:22].
Entre los checks que sí aprobaron se encuentran: la validación de que el PR tiene una descripción, un high level summary habilitado y un title check [3:38]. El título del PR era "Fix Match Card Alignment", lo que describe con claridad el propósito del cambio.
¿Qué problema resolvía este pull request de ejemplo?
El código original del frontend mostraba un listado de partidos donde los equipos locales estaban alineados a la izquierda y los visitantes a la derecha. Sin embargo, el marcador central se desplazaba dependiendo del ancho en caracteres del nombre de cada equipo [3:52]. Por ejemplo, "Deportivo Sur" tiene más caracteres que "Platzi FC", lo que empujaba el marcador hacia la izquierda.
La solución fue cambiar la clase CSS de justify-between a flex centrado, logrando que todo el contenido quedara visualmente equilibrado [4:12]. Code Rabbit identificó y resumió este cambio de manera precisa en su análisis automático.
Esta herramienta representa una forma práctica de reducir el tiempo invertido en revisiones de código, complementando el trabajo del equipo con análisis automatizados. Si conoces alguna otra herramienta similar, compártela en los comentarios para seguir ampliando el repertorio de opciones con inteligencia artificial.
