Revix AI: revisão de código com regras da equipe

Revisão de código com IA baseada nos padrões do repositório

revix.ai
Revix AI screenshot

Para que serve o Revix, em linguagem simples

O Revix AI é um serviço de revisão de código com IA para equipes profissionais. Ele se conecta à plataforma que hospeda o projeto e verifica novas pull requests com base nas convenções do repositório. Em termos simples, faz uma primeira leitura automática das alterações e explica o problema junto com a regra aplicada. Pode ajudar quando o código produzido por assistentes cresce mais rápido que a capacidade de revisão do time.

Como começar e conferir uma revisão de PR

  1. Entre com uma conta autorizada do GitHub, Bitbucket ou GitLab.
  2. Selecione os repositórios. No GitHub, instale o aplicativo na conta ou organização administrada e restrinja o acesso quando necessário.
  3. Confira as regras extraídas e ajuste as que não representam os padrões do time.
  4. Abra uma PR ou merge request no GitLab. Os webhooks iniciam a análise sem alterar a configuração da CI.
  5. Valide os comentários com código e testes, envie as correções e confira os tópicos. O Revix pode resolver seus próprios tópicos após a correção do problema. A decisão do merge continua humana.

Transforme os padrões do repositório em regras

O contexto do repositório permite extrair regras de revisão. Você pode editá-las, acrescentar outras ou desativá-las; elas são atualizadas após os merges. O objetivo é avaliar a coerência das mudanças com a organização e as decisões do projeto.

Comentários identificam problema, possível correção e regra. Rótulos como issue e nitpick ajudam a priorizar. Um resumo descreve a PR e indica Has issues ou Ready to merge. Essa indicação é uma avaliação de IA que precisa ser conferida.

Privacidade do código e retenção dos resultados

A política de privacidade informa que código bruto e diffs não ficam armazenados em repouso na base Revix. Trechos relevantes são enviados a provedores de IA, incluindo OpenAI e Anthropic. Segundo o Revix, esses dados de API não são usados para treinar modelos.

Achados, resumos e conhecimento derivado do repositório permanecem enquanto a conexão estiver ativa; é possível solicitar exclusão. Os direitos sobre o código seguem com o cliente. Avalie esse fluxo antes de conectar projetos confidenciais e valide as sugestões, que podem conter erros.

Plataformas em nuvem e permissões necessárias

São suportados GitHub.com, Bitbucket Cloud e GitLab.com. GitHub Enterprise Server, Bitbucket Data Center/Server e GitLab Self-Managed/Dedicated ainda não são suportados. As revisões não consomem minutos das pipelines de CI.

O aplicativo GitHub lê código e metadados e escreve checks e conteúdo de PR. Conectar um grupo GitLab exige Maintainer ou Owner; os comentários usam a conta conectada. O fornecedor anuncia suporte amplo a linguagens, sem garantir qualidade igual em todas as tecnologias.

Repositórios públicos grátis e planos para equipes

Conferido em 29 de outubro de 2026: o plano Open Source é gratuito para repositórios públicos. Repositórios privados precisam de plano pago após o teste de 14 dias, iniciado sem cartão.

A tabela oficial mostra Starter por €20 e Pro por €40 por assento ao mês no pagamento anual. Pro inclui o dobro de uso e integrações Slack/Jira. Enterprise tem orçamento próprio. São valores em euros, sem conversão ou oferta em reais; impostos podem ser acrescidos. Repositórios ilimitados não comprovam revisões ou tokens ilimitados. Confirme as cotas antes de contratar.

Perguntas frequentes

Ele revisa código gerado por IA?

Sim. O fluxo vale para PRs com código humano ou gerado por IA. As conclusões precisam de validação.

Repositórios privados são gratuitos?

A gratuidade permanente vale para os públicos. Nos privados, o teste é seguido por um plano pago.

Substitui linter e revisão humana?

Ele complementa essas verificações. Não há garantia de detectar todos os defeitos; mantenha testes e aprovação humana.

O código é usado para treinar modelos?

O Revix afirma que os provedores de API não fazem esse treinamento. Isso não elimina processamento externo nem retenção de dados derivados.

Recursos oficiais