Tokenlabor

Code-Review-Prompt-Generator

Der Code-Review-Prompt-Generator erstellt Prompts für Code-Reviews mit KI: Sprache, Kontext, Prüfschwerpunkte wie Sicherheit und Tests, Schweregrade, Team-Regeln und Ausgabeformat.

Prüfschwerpunkte

Fertiger Prompt

Alles läuft in Ihrem Browser. Eingaben verlassen Ihr Gerät nicht.

Reviews, die Befunde belegen

Ein Code Review mit KI findet erstaunlich viele Randfälle, fehlende Fehlerbehandlung und Sicherheitslücken, wenn der Auftrag präzise ist. Ohne Vorgaben listet das Modell dagegen Stilvorlieben auf und vermischt Wichtiges mit Kosmetik. Der Code-Review-Prompt-Generator legt Sprache, Kontext, Prüfschwerpunkte, Schweregrade und Format fest und verlangt, dass jeder Befund mit der betroffenen Zeile belegt wird.

Für den Schwerpunkt Sicherheit ergänzt der Code-Review-Prompt sprachspezifische Prüfpunkte, etwa Injection und unsichere Deserialisierung, XSS in Webanwendungen oder fehlende Parameterbindung in SQL, angelehnt an die OWASP Top 10. Als Ausgabe wählen Sie eine Tabelle, Kommentare wie bei einem Pull Request Review in GitHub oder GitLab oder eine korrigierte Fassung. Wer ChatGPT Code prüfen lässt, sollte Team-Regeln mitgeben, damit die Hinweise zum eigenen Standard passen.

Grenzen: Das Modell sieht nur den eingefügten Ausschnitt, nicht das ganze Projekt, und kann sich irren. Es ersetzt weder Tests noch statische Analyse noch ein menschliches Review. Fügen Sie keine Geheimnisse ein und beachten Sie die Regeln Ihres Unternehmens für Quellcode in externen Diensten. Änderungen vergleichen Sie bequem mit dem Text-Diff.

Anleitung: Code-Review-Prompt-Generator in 4 Schritten

  1. Programmiersprache wählen und Framework sowie Version eintragen.
  2. Im Feld „Was soll der Code tun?“ Zweck und Rahmenbedingungen beschreiben.
  3. Prüfschwerpunkte wie Sicherheit, Korrektheit oder Tests ankreuzen, Strenge und Ausgabeformat wählen.
  4. Eigene Team-Regeln ergänzen, optional Code oder Diff einfügen und den Prompt kopieren.

Typische Anwendungsfälle

  • Vor dem eigentlichen Review lässt eine Entwicklerin ihren Pull Request auf Randfälle und fehlende Tests prüfen.
  • Ein Team nutzt denselben Review-Prompt mit seinen Regeln, damit Hinweise einheitlich und nach Schweregrad sortiert kommen.
  • Einsteiger lassen sich Befunde mit Erklärung geben, um aus dem Review zu lernen.
Fragen

Häufige Fragen

Wie gut sind Code-Reviews mit KI?

Sie finden häufig echte Fehler, vor allem Randfälle und fehlende Fehlerbehandlung, liefern aber auch Fehlalarme. Behandeln Sie die Befunde als Hinweise, die Sie prüfen, nicht als Urteil.

Darf ich Firmencode in ChatGPT einfügen?

Das regelt Ihr Unternehmen. Viele erlauben es nur in freigegebenen Diensten mit Vertrag, in denen Eingaben nicht zum Training genutzt werden. Geheimnisse wie Passwörter und Schlüssel gehören nie in einen Prompt.

Warum Schweregrade?

Damit kritische Fehler nicht zwischen Stilhinweisen untergehen. Der Prompt sortiert nach kritisch, hoch, mittel und niedrig.

Wie viel Code passt in einen Prompt?

Große Modelle verarbeiten viele tausend Zeilen, die Qualität ist bei kleineren, zusammenhängenden Ausschnitten aber meist besser. Prüfen Sie lieber einen Diff oder eine Datei auf einmal.

Kann ich den Prompt in GitHub Copilot oder in der IDE verwenden?

Ja. Fügen Sie ihn im Chat Ihres Code-Assistenten ein und verweisen Sie auf die geöffnete Datei oder den Diff. Viele Werkzeuge erlauben außerdem dauerhafte Anweisungen je Repository, dort passen die Team-Regeln gut hinein.

Wie gehe ich mit falschen Befunden um?

Fragen Sie nach: Das Modell soll die betroffene Zeile zitieren und erklären, unter welcher Bedingung der Fehler auftritt. Lässt sich der Befund nicht belegen, verwerfen Sie ihn. Ein Test, der den Fehler zeigt, ist der beste Beweis.

Ratgeber

Zum Weiterlesen

Alle Artikel
  1. Gute Prompts schreiben: Was einen Prompt wirklich besser machtGute Prompts schreiben ist Handwerk: welche Angaben ein Prompt braucht, welche Fehler die Ergebnisse verschlechtern und wie man Vorlagen sinnvoll nutzt.
  2. Halluzinationen vermeiden: So werden KI-Antworten verlässlicherKI-Halluzinationen vermeiden: warum Sprachmodelle Fakten erfinden und mit welchen Prompts, Quellen und Prüfschritten ihre Antworten verlässlicher werden.
  3. Systemprompt schreiben: Anleitung mit BeispielSystemprompt schreiben: welche Bausteine in eine gute Systemanweisung gehören, typische Fehler, ein vollständiges Beispiel und wie man ihn testet und kurz hält.
Weitere Werkzeuge

Das könnte auch helfen

Alle 558 Werkzeuge

Bild-Prompt-Generatorneu

Bildprompts für Midjourney, DALL-E und Co. aus Motiv, Stil, Licht und Perspektive zusammenbauen.

Öffnen

Few-Shot-Generatorneu

Beispiele für Eingabe und Ausgabe zu einem sauberen Few-Shot-Prompt zusammensetzen.

Öffnen

Prompt-Baukasten

Aus Aufgabe, Kontext, Format und Grenzen einen sauber strukturierten Prompt bauen.

Öffnen

Prompt-Vergleich

Zwei Prompt-Versionen vergleichen: Änderungen markiert, Token- und Kostenunterschied.

Öffnen

Prompt-Prüfer

Findet Floskeln, vage Wörter und fehlende Angaben in Ihrem Prompt und zeigt, was sich sparen lässt.

Öffnen

Klassifizierungs-Prompt-Generatorneu

Prompt und JSON-Schema zum Einordnen von Texten in Kategorien.

Öffnen