Sieht im Review gut aus. Bricht in Produktion.
Unslop prüft jeden Push gegen feste Regeln und die Regeln eures Teams, bevor der Code gemergt wird. Verarbeitet in der EU.
Private Beta. Die Registrierung ist geschlossen.
return str(eval(expr))Zeile 11: SEC-011 (eval/exec with expression), WARNING, deterministic
except Exception as e:return exprZeile 12: MAINT-002, WARNING, confirmed
config_dict[key] = eval_expression(re.compile(pattern).findall(value)[0])Zeile 18: HAL-002, CRITICAL, confirmed
except FileNotFoundError:print(f"Error: The file {file_path} does not exist.")Zeile 32: COND-001 (Silent Error Swallowing), WARNING, confirmed
HAL-002 Calling 'findall()' on a regex containing capture groups returns a list of tuples rather than Match objects. Passing this tuple to 'eval_expression', which invokes 'match.group(0)', raises an AttributeError at runtime.
Woher ein Befund kommt, steht dran.
67 Regeln prüft Code, kein Modell. Alles andere meldet ein Modell, und im schnellen Review prüft ein blinder Durchgang es nach, bevor es ein Befund wird.
- SEC-011deterministicWeg: Regeln per Code, kein Modell.
- MAINT-002confirmedWeg: Modell, dann blinde Gegenprüfung, bestätigt.
- HAL-002confirmedWeg: Modell, dann blinde Gegenprüfung, bestätigt.
- COND-001confirmedWeg: Modell, dann blinde Gegenprüfung, bestätigt.
- MAINT-007unverifiedWeg: Modell, Gegenprüfung unsicher, dritter Durchgang übersprungen.
- Eine Behauptung des Modells, in der blinden Gegenprüfung widerlegt. Sie kommt nicht an.
Blinde Gegenprüfung
HAL-002 · Zeile 18
Begründung
Der blinde Durchgang bekommt Regel, Stelle und Code. Die Begründung des ersten Durchgangs bekommt er nicht.
⚠️ Downgraded to WARNING — this finding was flagged for Pro escalation, but the escalation was skipped (budget, API or time-limit degradation), so it could not be conclusively verified. Die Linie ohne Namen steht für eine widerlegte Behauptung; Widerlegtes erscheint nicht im Ergebnis, die Gegenprüfung bleibt nur in den Protokolldaten des Auftrags.Nicht jeder Befund bekommt die Gegenprüfung: Fehlt die Zeit, entfällt sie, und der tiefe Review meldet seine eigene Konfidenz. Der Review sagt das jeweils.
Schnell bei jedem Push. Tief, wenn ihr es wollt.
Der schnelle Review läuft von selbst. Den tiefen startet ihr, wenn ein Pull Request es wert ist.
- Anti-Slop Gatekeeperfailure · 1 critical slop finding · 16 s
- Deep reviewAgentic review, takes minutes
Von selbst bei jedem Push: liest den Diff und die geänderten Dateien, Sekunden, höchstens fünf Minuten; Check Run am Pull Request und Kommentare an den Zeilen.
Für Teams. Verarbeitet in der EU.
Ein Konto für das Team, eure eigenen Regeln, und die Modelle laufen in der EU.
Gelesen: 51 Zeilen
Gespeichert: 6 Zeilen
- Eigene Regeln
- In Klartext, zum Beispiel „Komponenten greifen nie direkt auf die Datenbank zu“; geprüft an jedem Push, im Befund als Team-Regel markiert.
- EU-Verarbeitung
- Die Modelle laufen auf dem EU-Endpunkt von Vertex AI und trainieren nicht mit eurem Code. Aus einem Pull Request speichern wir nicht den Diff, sondern Befunde mit den zitierten Zeilen und Protokolldaten der Prüfschritte, dazu je Repository einen Index, gebaut aus Signaturen, Interfaces und Typdefinitionen statt aus Implementierung; Details in der FAQ.
- Ein Team-Konto
- Mitglieder, Rollen und Sitze; Kontingente teilt sich das Team, Sitze kommen jederzeit dazu.
Pull Request, Terminal, Editor, Coding-Agent: ein Review, vier Oberflächen. CLI, VS-Code-Extension und MCP-Server sind gebaut und noch nicht veröffentlicht.
Häufige Fragen
Speichert ihr unseren Quellcode, oder trainiert ihr damit?
Wir trainieren nicht damit, und weder Google noch Anthropic tun es: Die Bedingungen von Vertex AI schließen aus, dass Google Prompts und Antworten von Kunden zum Training nutzt, die von Anthropic dasselbe für das Claude-Modell des tiefen Reviews. Für einen Pull Request lesen wir Diff und geänderte Dateien von GitHub und speichern die Befunde mit den zitierten Zeilen und Protokolldaten der Prüfschritte, nicht den Diff und nicht die Dateien. Den tiefen Review, den ihr selbst startet, führt ein Agent auf einer Kopie des Repositorys in Google Cloud Run in Frankfurt aus: .env- und Schlüsseldateien entfernen wir vorher, erkannte Secrets ersetzen wir zeilenweise, und die Kopie löschen wir nach dem Lauf. Ist der Repository-Kontext eingeschaltet, liest der Review zusätzlich eine kleine, regelbasierte Auswahl weiterer Dateien (Manifeste, Datenbankschema, Startdatei eines Dienstes), von der wir nur Pfade und Größe behalten. Ein Scan aus CLI oder MCP-Server lädt den Diff und den vollen Inhalt der geänderten Dateien hoch, bei eingeschaltetem Repository-Kontext auch diese Auswahl; der Diff bleibt beim Scan gespeichert, Inhalte und Auswahl nur, bis der Review sie geladen hat, und der Client verweigert vor dem Upload jeden Diff, in dem er ein Secret erkennt. Für verbundene Repositorys speichern wir einen Index aus Signaturen, Interfaces und Typdefinitionen, nicht aus Implementierungslogik; er wird 30 Tage nach dem Trennen gelöscht. GitHub-Tokens liegen mit AES-256-GCM verschlüsselt in der Datenbank, jeder Webhook wird über seine Signatur geprüft.
Welche Modelle laufen, und wo?
Der schnelle Review läuft auf Gemini-Modellen von Google, der tiefe Review auf einem Claude-Modell von Anthropic, beide über Vertex AI auf dem EU-Multiregion-Endpunkt, für den Google zusagt, dass die Verarbeitung in der EU bleibt. Die blinde Gegenprüfung läuft im selben Modell wie der erste Durchgang; ihre Unabhängigkeit kommt daher, was sie nicht zu sehen bekommt, nicht aus einer anderen Modellfamilie. Der erste Durchgang und die Gegenprüfung laufen mit Temperature 0; Ergebnisse schwanken trotzdem etwas zwischen Läufen.
Bremst das unsere CI oder blockiert unsere Merges?
Es läuft neben eurer CI, nicht in ihr. Der Review läuft als GitHub Check Run mit einer harten Grenze von 300 Sekunden. Nur kritische Befunde lassen den Check scheitern; Warnungen enden neutral und blockieren keinen Merge. Ob der Check verpflichtend ist, legt ihr in der Branch Protection fest.
Ist das nur ein weiterer KI-Reviewer?
Zum Teil, und wir sagen, welcher Teil. 67 Regeln prüft Code, und diese Befunde laufen nie durch ein Modell. Der Rest ist ein Modell-Review, dessen Befunde ein blinder Durchgang nachprüft; fällt der aus, steht das im Review. Ein Modell-Befund kann den Check scheitern lassen, deshalb der Aufwand.
Welche Sprachen werden abgedeckt?
Das Modell-Review liest TypeScript-, JavaScript-, Python-, Go- und PowerShell-Dateien. Die Regelprüfung per Code deckt zusätzlich Java, Rust, C und C++ sowie gängige Config-Dateien ab. Ein Pull Request ohne Datei in einer der fünf Sprachen bekommt nur die Regelprüfung; der Check heißt dann „Deterministic checks only“. Mischt ein Pull Request beides, nennt die Zusammenfassung die Dateitypen, die kein Modell gelesen hat.
Was passiert, wenn ein Review scheitert?
Der Check wird geschlossen und bleibt nicht hängen. Ein gescheiterter Review endet als Failure mit dem Grund im Check, zum Beispiel „Review timed out“. Ein Review, der gar nicht startet (kein Abo, Kontingent aufgebraucht, Repository deaktiviert), postet einen abgeschlossenen Check mit „action required“ und dem Grund. Ist der Check bei euch verpflichtend, gelten weiter die Overrides eurer Branch Protection.
Muss unser Team noch ein Dashboard lernen?
Nein. Befunde erscheinen als Check Run und als Review-Kommentare am Pull Request. Die CLI vergleicht eure lokalen Änderungen mit der Merge-Base, die VS-Code-Extension zeigt Befunde im Editor; beide sind gebaut und noch nicht veröffentlicht. Das Dashboard ist für Repositories, eure Regeln, Team und Abrechnung da.
Wisst, was ihr mergt.
Unslop ist in der Private Beta. Die Registrierung ist vorerst geschlossen.