Selvage - AI Code Review CLI

नमस्कार।
कई लोगों ने शायद LLM का उपयोग code review में करके देखा होगा, लेकिन वास्तविक उपयोग में कुछ झंझटें रही होंगी।
ऐसा इसलिए है क्योंकि review के लिए लक्षित code और उसका context देना पड़ता है, और साथ ही मनचाहा result format भी विस्तार से तय करके LLM को भेजना पड़ता है।

selvage एक CLI टूल है जो इस तैयारी की प्रक्रिया को ऑटोमेट करके code review की दक्षता बढ़ाता है।

[मुख्य विशेषताएँ]

• CLI टूल होने के कारण किसी विशेष IDE या extension से स्वतंत्र रूप से इस्तेमाल किया जा सकता है
• प्रमुख SOTA models (GPT-5, Claude-Sonnet-4, Gemini, Qwen3-code) का समर्थन
• OpenRouter API Key के साथ subscription के बिना usage-based तरीके से उपयोग संभव
• Git workflow के साथ एकीकृत
  • staged changes, unstaged changes, और किसी specific commit/branch के बीच के बदलावों के analysis का समर्थन
• AST (abstract syntax tree) आधारित Smart Context extraction फीचर
  • बदलावों से संबंधित न्यूनतम code blocks और dependencies ही निकाले जाते हैं
  • केवल आवश्यक context भेजकर token usage कम किया जाता है, और साथ ही review quality को अधिकतम किया जाता है
• Large Context Review फीचर
  • model की context limit से बड़े बदलावों (मुख्य रूप से किसी specific feature को deploy करने वाले PR) का भी स्थिर रूप से review किया जा सकता है

[denimcoder]

नमस्ते।
इस बार एक बड़ा अपडेट किया है, इसलिए यह खबर साझा कर रहा हूँ।
कृपया बहुत रुचि और समर्थन दें!

GitHub लिंक: https://github.com/selvage-lab/selvage

---

🚀 प्रमुख फीचर अपडेट विवरण

🤖 MCP (Model Context Protocol) सर्वर मोड जोड़ा गया ⭐ NEW

Cursor, Claude Code आदि में चैट विंडो से code review माँगें!

अब आप Selvage को Cursor, Claude Code आदि में MCP के रूप में रजिस्टर करके natural language में code review का अनुरोध कर सकते हैं।
रीव्यू का परिणाम AI assistant सीधे देगा, और feedback की जाँच करने के बाद code improvement तक एक ही बार में अनुरोध किया जा सकता है।

सेटअप तरीका:

# Claude Code इंटीग्रेशन  
# तरीका 1: environment variable का उपयोग (यदि पहले से सेट है)  
claude mcp add selvage -- uvx selvage mcp  
  
# तरीका 2: सीधे निर्दिष्ट करें  
claude mcp add selvage -e OPENROUTER_API_KEY=your_openrouter_api_key_here -- uvx selvage mcp  

# Cursor इंटीग्रेशन (~/.cursor/mcp.json)  
{  
  "mcpServers": {  
    "selvage": {  
      "command": "uvx",  
      "args": ["selvage", "mcp"],  
      "env": {"OPENROUTER_API_KEY": "your_key"} // Optional : यदि system environment variable रजिस्टर किया है तो आवश्यक नहीं  
    }  
  }  
}  

---

💡 उपयोग परिदृश्य

सरल उपयोग उदाहरण

"selvage mcp से मौजूदा बदलावों का review करो"  
"selvage mcp से main branch और current branch की claude-sonnet-4-thinking के साथ comparative review करो"  
"selvage mcp से staged काम को gpt-5-high से review करके priority के अनुसार व्यवस्थित करो"  
"selvage mcp से staged काम की सामग्री को gpt-5-high, claude-sonnet-4-thinking से अलग-अलग review करके परिणामों की तुलना करो"  

स्टेप-बाय-स्टेप code improvement workflow

1. selvage mcp से मौजूदा बदलावों का claude-sonnet-4-thinking से review करो  
2. review feedback मौजूदा codebase के संदर्भ में वैध है या नहीं, इसका आलोचनात्मक परीक्षण करके priority बताओ  
3. जाँचे गए बिंदुओं को priority के अनुसार क्रमवार लागू करो  

[jkapa0417]

नमस्ते, मैं इसे आज़माना चाहता/चाहती हूँ। क्या इसमें ज़रूरी तौर पर Openrounter का ही उपयोग करना होगा? मेरे पास अभी एक API key है, इसलिए मैं जानना चाहता/चाहती हूँ कि क्या उसका इस्तेमाल करके इसे उपयोग किया जा सकता है?

[denimcoder]

नमस्ते।
क्या आप बता सकते हैं कि आप कौन-सी API key इस्तेमाल कर रहे हैं?
OpenRouter KEY की जगह आप हर मॉडल की Provider API Key को environment variable के रूप में सेट करके इस्तेमाल कर सकते हैं।

export OPENAI_API_KEY="your_openai_api_key_here"  
export ANTHROPIC_API_KEY="your_anthropic_api_key_here"  
export GEMINI_API_KEY="your_gemini_api_key_here"  

OPENAI_API_KEY, GPT सीरीज़ मॉडल्स के लिए
ANTHROPIC_API_KEY, Claude सीरीज़ मॉडल्स के लिए
GEMINI_API_KEY, Gemini सीरीज़ मॉडल्स के लिए
समर्थित हैं!

[kjows5]

क्या LLM इनपुट में जाने से पहले source code स्तर पर sensitive information masking भी संभव है?

[denimcoder]

नमस्ते। उत्तर प्रस्तुत है।

1. वर्तमान में code review अनुरोध के समय .env जैसी फाइलें पूरी तरह से बाहर रखी जाती हैं, लेकिन source code के भीतर मौजूद API key/token/password आदि के "values" को replace या blind करने का कोई चरण अभी नहीं है।

2. यदि आप review के दौरान sensitive information को बाहर रखना चाहते हैं,
   तो जिस code का review कराना है उसे git staged स्थिति में बदलने के बाद
   selvage review --staged कमांड से review करें, इससे sensitive information को LLM input से बाहर रखा जा सकता है।

3. आपके प्रश्न से मिलती-जुलती functionality के लिए एक update की योजना है। उपयोगकर्ता सीधे yml file में review के समय बाहर रखने वाली file extensions और code के भीतर के specific patterns (regular expressions) दर्ज कर सकेंगे, ताकि हर project के अनुसार sensitive information को उचित रूप से filter किया जा सके।

[namongk]

ओहो...