京东物流以双RAG与本地重排序执行代码审查

京东物流团队针对流水线式 AI 评审（固定行数截断导致全局上下文缺失、Prompt 硬编码规则膨胀）和单纯 JoyAgent 知识库 RAG（LLM 知识归纳失真、检索与生成联动失效、缺少项目身份感知）两条路线的缺陷，构建双 RAG 代码评审系统：先按文件扩展名（.flow、.dt）识别项目类型且 EDI 优先于普通 Java，决定后续评审规则与检索策略。 再用自研 Token 估算公式（基础开销 63 tokens、中文每 2 字 1 token 等）在预估超过 10 万 token 时触发分块，按 git diff 文件边界与方法签名模式做两级语义完整切分，单块上限 6 万 token 以预留 40% 安全余量。检索侧一路走知识工程做业务领域识别（WMS/ECLP/TC）、关键词提取过滤与语义搜索，另一路走 JoyAgent 自定义知识库召回评审规则，并对结果用部署在本地的 bge-reranker-base.onnx（HuggingFace 分词器 + ONNX Runtime Java API）做查询-文档对重排序后再送入 JoyAI 大模型生成行级评审意见并回写 MR。 系统在大促封板前置的需求高峰中拦截了两类真实问题：三方系统地址编码空值导致 NumberFormatException，以及 EDI XML 配置误用变量而非字面常量的语法错误。