"Phù Thủy AI" Giúp Code Sạch Bong, Sáng Bóng: Hướng Dẫn Tự Động Kiểm Tra Code Bằng AWS Bedrock và DeepSeek AI

Lê Lân

18/06/2025

Phân Tích Mã Nguồn Tự Động Với AI Sử Dụng AWS Bedrock Và DeepSeek R1 LLM

Giới Thiệu

Trong bối cảnh phát triển phần mềm ngày càng phức tạp, việc duy trì mã nguồn sạch, hiệu quả và có cấu trúc rõ ràng trở thành thách thức lớn. Mã nguồn kém chất lượng không chỉ làm tăng chi phí bảo trì mà còn giảm khả năng đọc hiểu và tạo ra nợ kỹ thuật đáng kể.

Sự xuất hiện của trí tuệ nhân tạo (AI) tạo ra nhiều công cụ thông minh giúp phân tích và đưa ra phản hồi cải thiện mã nguồn một cách tự động. Bài viết này giới thiệu một ứng dụng serverless sử dụng AWS Bedrock kết hợp với mô hình DeepSeek R1 LLM để phân tích các commit trên GitHub, phát hiện lỗi tiềm ẩn và đề xuất cải tiến dựa trên các nguyên tắc Domain-Driven Design (DDD) và Clean Code.

Bằng cách tích hợp AI trong kiến trúc serverless, dự án này mang lại giải pháp phân tích mã nguồn hiệu quả, tiết kiệm chi phí, đồng thời đảm bảo tính mở rộng và dễ bảo trì trong môi trường phát triển hiện đại.

Tổng Quan Dự Án

Mục Tiêu

Dự án hướng tới tự động hóa việc phân tích mã nguồn trong repo GitHub. Mỗi khi một commit được đẩy lên, webhook GitHub tự động kích hoạt một hàm Lambda trên AWS để xử lý, phân tích và tạo phản hồi thông qua AI.

Quy Trình Hoạt Động

Nhà phát triển thực hiện commit thay đổi mã nguồn.

GitHub gửi sự kiện webhook tới API Gateway.

API Gateway kích hoạt Lambda function.

Lambda xử lý commit, trích xuất các thay đổi liên quan.

Mã nguồn đã trích xuất được gửi đến DeepSeek R1 LLM để yêu cầu phân tích và đề xuất cải tiến.

Kết quả phản hồi và khuyến nghị lưu trữ trong DynamoDB.

Nhà phát triển nhận được phản hồi nhanh về chất lượng mã và tuân thủ các best practices.

Sử dụng AWS Bedrock giúp tích hợp AI liền mạch vào kiến trúc serverless, mang lại hiệu suất cao, độ tin cậy và khả năng mở rộng tối ưu.

Công Nghệ Chính

Serverless Framework: Quản lý và triển khai tài nguyên AWS, bao gồm Lambda, API Gateway, DynamoDB.

AWS Lambda: Xử lý sự kiện webhook và kích hoạt quy trình phân tích AI.

DeepSeek R1 LLM: Mô hình AI tạo sinh để phân tích thay đổi mã và đề xuất cải tiến.

DynamoDB: Lưu trữ dữ liệu commit và kết quả phân tích.

CloudWatch: Giám sát và ghi log hoạt động của Lambda.

GitHub Webhooks: Tự động gửi dữ liệu commit tới API để xử lý.

Cấu Trúc Dự Án

Dự án được tổ chức thành các thành phần quan trọng sau:

├── layers/                # Thư viện dùng chung cho Lambda
│   ├── common/
│       ├── requirements.txt  # Các thư viện Python cần thiết
├── src/
│   ├── functions/          # Lambda handler xử lý webhook
│   │   ├── commit_analyzer.py # Logic phân tích commit & gọi AI
│   ├── helpers/            # Công cụ tiện ích hỗ trợ Lambda
│   │   ├── lambda_payload.py
│   │   ├── lambda_response.py
│   ├── infrastructure/     # Cấu hình YAML tài nguyên AWS
│   │   ├── resources.yml
│   ├── services/           # Tích hợp các dịch vụ bên ngoài
│   │   ├── bedrock.py        # Tương tác với AWS Bedrock
│   │   ├── dynamodb.py       # Lưu trữ và truy xuất DynamoDB
│   │   ├── github.py         # Xử lý dữ liệu GitHub
│   ├── __init__.py
├── .env.example            # Mẫu file cấu hình môi trường
├── deploy-example.sh       # Script triển khai nhanh
├── README.md               # Tài liệu dự án
├── serverless.yml          # Cấu hình Serverless Framework

Quy Trình Hoạt Động Chi Tiết

Lúc Commit Được Đẩy Lên

GitHub tạo webhook gửi payload JSON chi tiết về commit.

API Gateway nhận sự kiện, gọi Lambda xử lý.

Lambda Xử Lý

Phân tích dữ liệu commit đầu vào.

Trích xuất đoạn mã mới, đoạn mã sửa đổi.

Gửi yêu cầu đến DeepSeek R1 LLM để phân tích và đề xuất.

AI Tạo Phản Hồi

Mô hình đề xuất các cải tiến về cấu trúc, cải thiện code theo chuẩn DDD và Clean Code.

Kết quả trả về được lưu trữ trên DynamoDB phục vụ tra cứu sau này.

Nhà Phát Triển Nhận Phản Hồi

Phản hồi phản ánh trên giao diện hoặc được gửi qua các hệ thống tích hợp.

Giúp tăng đáng kể hiệu suất code review thủ công.

Hệ thống đảm bảo rằng mã nguồn luôn tuân thủ các nguyên tắc phát triển phần mềm hàng đầu và giảm thiểu rủi ro nợ kỹ thuật trong quá trình phát triển.

Ví Dụ Kiểm Tra API

Để thử nghiệm phân tích AI thủ công, bạn có thể sử dụng lệnh cURL dưới đây:

curl --location --request POST 'https://example.com/commit/analyze' \
--header 'Content-Type: application/json' \
--data-raw '{
  "ref": "refs/heads/develop",
  "before": "a1b2c3d4e5f678901234567890abcdef12345678",
  "after": "f1e2d3c4b5a678901234567890abcdef98765432",
  "repository": {
    "id": 123456789,
    "name": "fake-repo",
    "full_name": "johnDoe/fake-repo",
    "default_branch": "develop"
  },
  "pusher": {
    "name": "johnDoe",
    "email": "[email protected]"
  },
  "commits": [
    {
      "id": "f1e2d3c4b5a678901234567890abcdef98765432",
      "message": "fix: updated authentication logic",
      "added": ["src/auth.js"],
      "modified": ["src/index.js"]
    }
  ]
}'

Lệnh trên gửi dữ liệu commit giả lập tới API để kích hoạt phân tích AI và nhận về kết quả JSON chi tiết với các đề xuất cải tiến.

Hướng Dẫn Cài Đặt Webhook GitHub

Thực hiện theo các bước sau để kích hoạt tự động phân tích:

Vào repo GitHub > Settings > Webhooks .

Chọn Add Webhook .

Nhập Payload URL: https://example.com/commit/analyze .

Chọn Content type: application/json .

Chọn sự kiện kích hoạt: Push events .

Lưu cấu hình bằng nút Add Webhook .

Sau đó, mỗi commit được đẩy sẽ tự động kích hoạt hệ thống phân tích AI và tạo báo cáo tức thì.

Kết Luận

Dự án này chứng minh sức mạnh của AI trong việc cải thiện quy trình phát triển phần mềm bằng cách:

Đảm bảo tuân thủ chuẩn mã nguồn thông qua phản hồi tự động.

Nâng cao khả năng đọc hiểu, bảo trì của mã.

Giúp giảm đáng kể thời gian debug và review thủ công.

Kết hợp AWS Bedrock và DeepSeek R1 LLM mang lại một giải pháp tối ưu vừa tiết kiệm chi phí, vừa hiệu quả trên kiến trúc serverless.

Để khám phá thêm chi tiết, bạn có thể truy cập dự án trên GitHub: GitHub IA - Code Validation

Lưu ý: Do DeepSeek R1 LLM là mô hình mới trên thị trường và AWS Marketplace, chất lượng phản hồi có thể chưa hoàn hảo, đặc biệt với các ngôn ngữ khác ngoài tiếng Anh và tiếng Trung.

Tham Khảo

AWS Official Documentation: AWS Lambda

DeepSeek R1 LLM Marketplace Page (AWS Marketplace)

GitHub Documentation - Webhooks

Eric Evans, Domain-Driven Design: Tackling Complexity in the Heart of Software, 2003

Robert C. Martin, Clean Code: A Handbook of Agile Software Craftsmanship, 2008

Gugamainchein, GitHub IA - Code Validation March 17, 2025