
การเชื่อมต่อ PR-Agent: GitHub Action, คีย์โมเดล และค่าใช้จ่ายในหน่วยโทเค็น
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 61 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 112 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-10-303 tok/s
- Orcaใหม่OrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 99 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 107 tok/s
- Orcaใหม่OrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 117 tok/s
- Orcaใหม่OrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 57 tok/s
- Moonshotใหม่MoonshotAI: Kimi K3.1 Pro2026-10-2446ความฉลาด
- Orcaใหม่OrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 85 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 106 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 57 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2854ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 179 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2228ความฉลาด
- OpenAIOpenAI: GPT-6 Sol2026-09-2244ความฉลาด
- AnthropicAnthropic: Claude Opus 5.52026-09-2258ความฉลาด
คำถามที่หน้านี้ตอบไม่ใช่ว่า PR agent คืออะไร — นั่นเป็นอีกบทความหนึ่ง — แต่เป็นว่าเกิดอะไรขึ้นระหว่างการตัดสินใจว่าคุณต้องการ PR-Agent บนรีโพซิทอรีของคุณ กับการที่มันรีวิวพูลรีเควสต์หนึ่งรายการ ช่องว่างระหว่างสองจุดนั้นคือไฟล์ YAML หนึ่งไฟล์กับคีย์โมเดลหนึ่งคีย์โดยประมาณ และส่วนที่ผู้คนทำผิดคือส่วนที่ไม่มีใครเขียนเอกสารไว้: เส้นทางการติดตั้งแบบใดที่เป็นปัจจุบัน โมเดลเริ่มต้นมีค่าใช้จ่ายต่อการรีวิวเท่าไร และทำไมพูลรีเควสต์เดียวจึงเรียกเก็บเงินคุณได้ถึงสิบเท่า
PR-Agent เป็นเครื่องมือโอเพนซอร์สที่ CodiumAI สร้างขึ้นและต่อมาบริจาคให้ชุมชน ปัจจุบันอยู่ในองค์กร GitHub ของตัวเองในฐานะโปรเจกต์เดิมที่ชุมชนดูแลของ Qodo ภายใต้สัญญาอนุญาต MIT โดยมีประมาณ 12.6k สตาร์และ 1.7k ฟอร์ก ตัวเครื่องมือใช้งานฟรี แต่การเรียกโมเดลที่มันทำนั้นไม่ฟรี และนั่นคือตัวเลขเดียวในชุดการตั้งค่านี้ที่สเกลตามขนาดทีมของคุณ
สามเส้นทางการติดตั้ง และเส้นทางที่คุณต้องการจริง ๆ
• GitHub Action — ไฟล์เวิร์กโฟลว์ที่รัน code>the-pr-agent/pr-agent@main/code> เมื่อเกิดเหตุการณ์ pull request นี่คือเส้นทางที่แนะนำและเป็นเส้นทางที่ควรเริ่มต้นด้วย: ไม่ต้องใช้เซิร์ฟเวอร์ ไม่ต้องมีปลายทาง webhook และไม่ต้องมีข้อมูลลับใด ๆ นอกเหนือจากคีย์โมเดลและโทเค็นที่ GitHub ให้กับ action นี้อยู่แล้ว
• CLI นี้ — code>pip install pr-agent/code> แล้วcode>pr-agent --pr_url <url> review/code> มีประโยชน์สำหรับการลองรีวิวกับ PR ที่มีอยู่ก่อนที่คุณจะเชื่อมต่อระบบใดๆ และสำหรับการรันเอนจินเดียวกันจากแล็ปท็อปหรือ CI job ที่ไม่ใช่ GitHub Actions
• คอนเทนเนอร์และเว็บฮุก — อิมเมจ Docker หรือเส้นทางเว็บฮุกแบบโฮสต์สำหรับ GitLab, Bitbucket, Azure DevOps และ Gitea เลือกตัวเลือกนี้เมื่อรีโพซิทอรีของคุณไม่ได้อยู่บน GitHub หรือเมื่อคุณต้องการให้การรีวิวทำงานภายในขอบเขตเครือข่ายของคุณเอง
ข้อควรระวังหนึ่งข้อที่ควรรู้ก่อนที่คุณจะคัดลอกหมายเลขเวอร์ชันจากบทช่วยสอน: เอกสารของโปรเจ็กต์เองระบุว่าแพ็กเกจที่เผยแพร่แล้ว code>pip/code> ในปัจจุบันล้าหลังรีลีสล่าสุด และแนะนำให้ผู้ใช้ติดตั้งจากแท็ก GitHub หากต้องการโค้ดใหม่ล่าสุด นี่เป็นปัญหาที่มีอยู่ตลอดเวลา ไม่ใช่เหตุการณ์เฉพาะกิจ แต่หมายความว่า "เอกสารบอกให้ฉัน pip install" กับ "ฉันมีรีลีสปัจจุบัน" ไม่ใช่ประโยคเดียวกัน
คีย์โมเดลคือการตัดสินใจที่แท้จริง
PR-Agent มาพร้อมการรองรับโมเดลที่เปิดกว้างโดยเจตนา บันทึกประจำรุ่นระบุ GPT-5.6 เป็นค่าเริ่มต้นใหม่ โดยรองรับ Gemini 3.6 และตระกูล Claude Opus 5 กับ Claude Sonnet 5 และ DeepSeek กับ Mistral ทำงานผ่านบล็อกการกำหนดค่าเดียวกัน ไม่ว่าคุณจะเลือกตัวไหน คุณเป็นผู้จัดหากุญแจ และการรีวิวจะทำงานบนบัญชีของคุณ
นั่นคือข้อแลกเปลี่ยนของโอเพนซอร์สในประโยคเดียว: คุณเป็นเจ้าของระบบพื้นฐานทั้งหมด — คีย์ ข้อมูลลับ ความพร้อมใช้งาน และค่าใช้จ่าย — แลกกับต้นทุนต่อการรีวิวที่ไม่เกี่ยวข้องกับจำนวนที่นั่ง ทีมห้าคนที่ใช้เครื่องมือโฮสต์ที่คิดราคาตามจำนวนที่นั่งจ่ายเท่ากันไม่ว่าจะรวมพูลรีเควสต์สิบรายการต่อเดือนหรือหนึ่งพันรายการ ส่วนแนวทางที่คิดราคาตามโทเคน ตัวเลขจะสะท้อนสิ่งที่คุณรีวิวจริง ซึ่งดีกว่าเมื่อคุณยุ่งและแย่กว่าเมื่อคุณไม่ยุ่ง
ตัวเลือกการกำหนดค่าสองประการส่งผลต่อตัวเลขนั้นมากกว่าการเลือกโมเดล:
• รันหนึ่งครั้งต่อ pull request ไม่ใช่หนึ่งครั้งต่อการ push เครื่องมือบางตัวตั้งค่าเริ่มต้นให้ตรวจสอบทุก commit PR ที่มีการ push สิบครั้งจะกลายเป็นการรันตรวจสอบสิบครั้ง เรียกโมเดลสิบครั้ง และค่าใช้จ่ายสิบเท่า ซึ่งเป็นการตรวจสอบโค้ดที่ไม่มีอยู่แล้วถึงเก้าครั้ง ตรวจสอบการตั้งค่านี้ก่อน ไม่ว่าคุณจะ deploy ที่ใด
• จำกัดขนาดของ diffเครื่องมือแต่ละตัวเหล่านี้บีบอัด diff ก่อนที่จะถึงโมเดล เพราะการเปลี่ยนแปลง 2,000 บรรทัดไม่พอดีกับพรอมต์ที่มีพื้นที่ให้คิด กลยุทธ์การบีบอัด PR ของ PR-Agent เป็นอิมพลีเมนเทชันมาตรฐาน ไฟล์ที่สร้างขึ้น ไฟล์ lockfile หรือ dependency ที่ vendor ไว้อาจครอบงำ diff และค่าใช้จ่ายโดยไม่มีเนื้อหาที่ผู้ตรวจสอบจะอ่าน — ให้แยกสิ่งเหล่านั้นออก

คำสั่งต่างๆ ทำอะไร และแต่ละคำสั่งมีค่าใช้จ่ายเท่าไร
เมื่อติดตั้งแล้ว เครื่องมือจะตอบสนองต่อคำสั่งแบบสแลชบน pull request โดยแต่ละคำสั่งมักใช้การเรียกโมเดลเพียงครั้งเดียว ซึ่งเป็นเหตุผลว่าทำไมคำตอบจึงมาถึงภายในเวลาสิบกว่าวินาทีและมีค่าใช้จ่ายเพียงเศษเสี้ยวของหนึ่งเซนต์:
• code>/describe/code> — เขียนชื่อเรื่อง สรุป คำอธิบายทีละขั้นตอน และป้ายกำกับของ PR จาก diff เพียงอย่างเดียว
• code>/review/code> — สแกนหาบั๊ก ปัญหาด้านความปลอดภัย และปัญหาด้านการบำรุงรักษา พร้อมป้ายกำกับระดับความรุนแรงและคะแนน
• code>/improve/code> — แนะนำการเปลี่ยนแปลงโค้ดที่พร้อมคอมมิตแทนคำวิจารณ์
• code>/ask/code> — ตอบคำถามโดยอ้างอิงจาก diff ซึ่งเป็นคำสั่งที่ผู้รีวิวใช้บ่อยที่สุดเมื่อพวกเขาไว้วางใจเครื่องมือนี้แล้ว
• code>/update_changelog/code> — สร้างรายการบันทึกการเปลี่ยนแปลงสำหรับ pull request ขึ้นใหม่
พฤติกรรมอัตโนมัติที่ทีมส่วนใหญ่ต้องการคือcode>/review/code> เพียงครั้งเดียวเมื่อเปิด pull request ส่วนที่เหลือสามารถปล่อยไว้เป็นคอมเมนต์ ซึ่งช่วยให้ต้นทุนคาดเดาได้และทำให้เอเจนต์ไม่ขวางทางผู้รีวิวที่กำลังอ่านอยู่
รูปแบบความล้มเหลวที่ไม่มีใครเตือนคุณไว้
• แอ็กชันทำงานสำเร็จแต่ไม่ได้โพสต์สิ่งใดเลย โดยปกติแล้วเป็นปัญหาด้านสิทธิ์: โทเค็นของเวิร์กโฟลว์สามารถอ่าน diff ได้แต่ไม่สามารถเขียนคอมเมนต์ได้ ตรวจสอบบันทึกของแอ็กชันเพื่อดูข้อผิดพลาด 403 ในการเรียกคอมเมนต์ก่อนที่คุณจะดีบักโมเดล
• มันตรวจสอบ diff ที่ผิดพูลรีเควสต์จากฟอร์กจะทำงานด้วยโทเคนแบบจำกัดโดยค่าเริ่มต้น และเวิร์กโฟลว์ที่ยังไม่ได้กำหนดค่าให้รองรับพูลรีเควสต์เหล่านั้นจะตรวจสอบ diff ที่ว่างเปล่าหรือไม่ครบถ้วน และรายงานว่าไม่พบปัญหา ความเงียบไม่ใช่เครื่องยืนยันว่าทุกอย่างเรียบร้อยดี
• รีวิวนี้มั่นใจแต่ผิด นักรีวิวที่ขับเคลื่อนด้วยโมเดลทุกรายจะ описыватьโค้ดที่ไม่ได้อยู่ใน diff เป็นครั้งคราว การบรรเทาปัญหานี้ต้องอาศัยโครงสร้างมากกว่าระดับพรอมต์: กำหนดให้เครื่องมืออ้างอิงบรรทัดที่มันกำลังติเตียน และถือว่าข้อค้นพบที่ไม่ได้อ้างอิงเป็นเพียงความคิดเห็น而非ประตูตรวจ
• ต้นทุนค่อย ๆ เพิ่มขึ้นไม่ได้เกิดจากการเปลี่ยนแปลงราคา แต่เกิดจากขอบเขตงาน: รีโพซิทอรีมากขึ้น, จำนวนการ push ต่อ PR มากขึ้น, และ diff ที่ใหญ่ขึ้น ตั้งงบประมาณรายเดือนสำหรับคีย์ที่คุณออกไว้เพื่อจุดประสงค์นี้ และถือว่าการแจ้งเตือนเป็นสัญญาณว่ามีบางอย่างเปลี่ยนแปลงในเวิร์กโฟลว์ของคุณ ไม่ใช่ในโมเดล
จุดที่เราเตอร์เหมาะ และจุดที่มันไม่เหมาะ
PR agent เป็นหนึ่งในงาน AI ไม่กี่ประเภทที่การสลับโมเดลระหว่างการทำงานมีประโยชน์จริง ๆ โดยรอบแรกแบบประหยัดจะจับปัญหาการจัดรูปแบบและข้อบกพร่องที่เห็นได้ชัด และมีเพียง pull request ที่ผ่านรอบนั้นได้เท่านั้นที่ต้องใช้โมเดลราคาแพง นั่นคือรูปแบบที่ผลิตภัณฑ์ OrcaCode Review ของ OrcaRouter นำมาใช้ — การตรวจรอบเร็วด้วยโมเดล frontier ราคาประหยัด แล้วยกระดับไปยังโมเดลที่แข็งแกร่งกว่าเมื่อการคัดกรองพบสิ่งผิดปกติ — และยังเป็นสิ่งที่คุณทำเองได้ใกล้เคียงด้วย PR-Agent โดยชี้การกำหนดค่าไปยังเกตเวย์และกำหนดเส้นทางตามขนาดของ PR
สิ่งที่เราเตอร์ไม่ได้ทำคือทำให้การรีวิวถูกต้อง คุณค่าอยู่ที่คีย์เดียวสำหรับทุกโมเดลที่คุณอาจเปรียบเทียบ ราคาตามรายการของผู้ให้บริการโดยไม่มีมาร์กอัปเพิ่มเข้ามา และการสลับเมื่อผู้ให้บริการมีช่วงเวลาที่แย่กลางคิว merge ของคุณ Claude Opus 5.5 และ Claude Sonnet 5.5, GPT-5.6 และกลุ่ม Gemini ทั้งหมดเรียกใช้ได้ผ่าน OpenAI-compatible endpoint เดียวกัน ซึ่งทำให้ "โมเดลใดรีวิวโค้ดของเรา" เป็นเพียงการเปลี่ยนการกำหนดค่า ไม่ใช่กระบวนการจัดซื้อจัดจ้าง


สิ่งที่ต้องทำในสัปดาห์นี้
• ติดตั้ง GitHub Action บนรีโพซิทอรีเดียว ไม่ใช่ทั้งหมด รีโพซิทอรีเดียวบอกคุณภาพการรีวิวและต้นทุนต่อ PR ได้ ส่วนทั้งหมดบอกทั้งสองอย่างหารด้วยตัวหารที่ยังไม่ได้วัด
• ตัดสินใจเลือกโมเดลด้วยการวัดผล ไม่ใช่ด้วยชื่อเสียง รัน code>/review/code> กับ pull request ที่ merge แล้วยี่สิบรายการล่าสุดของคุณโดยใช้โมเดลสองแบบที่แตกต่างกัน แล้วเปรียบเทียบข้อค้นพบที่มนุษย์เห็นด้วย นั่นคือตัวเลขเดียวที่เป็นเกณฑ์มาตรฐานที่สำคัญในที่นี้
• ตั้งค่า "once per pull request" ก่อนตั้งค่าอย่างอื่น และกำหนดงบประมาณให้กับคีย์
• คงด่านตรวจของมนุษย์ไว้ PR agent ที่บล็อกการ merge จะเป็น PR agent ที่ทีมของคุณหาทางเลี่ยงได้ภายในหนึ่งเดือน
หมายเหตุแหล่งที่มา: ต้นกำเนิดของ PR-Agent สัญญาอนุญาต จำนวนดาว เส้นทางการติดตั้ง ชุดคำสั่ง ค่าเริ่มต้นของโมเดล และหมายเหตุว่าแพ็กเกจ pip ตามหลังรีลีสล่าสุดนั้น มาจากรีโพซิทอรีและเอกสารประกอบของโครงการเองตามที่อ่านเมื่อวันที่ 4 พฤศจิกายน 2026 ราคาต่อที่นั่งและต่อเครดิตของทางเลือกแบบโฮสต์นั้นมาจากหน้าสาธารณะที่ผู้ให้บริการเหล่านั้นเผยแพร่ และกล่าวถึงเพียงเพื่อเปรียบเทียบเท่านั้น Grok และชื่อโมเดลถูกใช้เป็นตัวอย่างการกำหนดค่า ตัวระบุโมเดลบนเกตเวย์ของ OrcaRouter ได้รับการตรวจสอบเทียบกับรายการโมเดลสด ณ วันที่เดียวกัน รูปแบบความล้มเหลวเหล่านี้ได้มาจากพฤติกรรมของเครื่องมือเหล่านี้เมื่อโทเค็นเวิร์กโฟลว์มีขอบเขตสิทธิ์ไม่เพียงพอ ไม่ได้มาจากรายงานเหตุการณ์เฉพาะเจาะจง
