共 2 篇内容，涉及 2 个模块
GitLab MCP 是社区维护的 GitLab 集成服务器，让 MCP 客户端能够管理 Issue、MR、Pipeline、Wiki 等 GitLab 资源。与 GitHub MCP 类似但适配 GitLab 的工作流，支持 CI/CD Pipeline 查询、Merge Request 审查、Wiki 编辑等。本文梳理核心能力、与 GitHub MCP 的差异、各客户端接入与实战场景。
代码评审是研发流程里最容易堵的一环：PR 提上去平均要等 19 小时才有人看， reviewer 的时间被「这个变量命名不统一」「这里缺个空行」这类机械问题吃掉大半，真正的设计问题反而因为疲劳被放过。本文记录 N 公司基础架构组 2026 年 8 到 10 月用六周建成 AI 评审闸门的全过程：不追求「AI 替代人评审」，而是把评审拆成三道闸门——第一道 AI 机械扫描（风格、缺测试、明显 bug、安全模式），秒级返回、不过直接打回；第二道 AI 深度审查（逻辑正确性、边界、并发），只在第一道通过后跑，输出结构化意见并标注置信度；第三道人工，且 AI 明确标注「本次我覆盖了什么、没覆盖什么」，让人把注意力放在 AI 说不清的地方。关键设计是「分级拦截」：按改动风险自动决定闸门严格度，改个文案不该走全流程。结果：评审首响从中位 19 小时降到 2.4 小时，reviewer 人均每周花在评审上的时间从 6.5 小时降到 2.8 小时，合并后 7 天内发现的缺陷率下降 34%，AI 误报导致的无效返工控制在 8% 以内。全文含完整的工具分工表、三道闸门的判定规则与 Prompt 模板、分阶段投入产出数据、12 条踩坑清单，以及一条最重要的教训：AI 评审失败的头号原因不是能力不够，是它不敢说「这里我没把握」。