Automatiza la revision de codigo con IA: n8n + Ollama

Cada pull request merece una revision, pero no todos los equipos tienen el tiempo. Este tutorial te muestra como construir un pipeline de revision de codigo con IA usando n8n y un LLM local (via Ollama) — completamente self-hosted, sin costes de API, sin que tu codigo salga de tu red.

n8n AI workflow automation

Que hace este workflow

Recibe un webhook cuando se abre un PR en GitHub/GitLab
Obtiene el diff (cambios de codigo) del PR
Envia el diff a Ollama (LLM local) para analisis
Formatea la revision en un informe estructurado
Publica la revision en Discord (o Slack, email — tu eleccion)
Responde al webhook confirmando que la revision fue publicada

Total: 6 nodos, ~5 minutos de configuracion, coste recurrente cero.

Arquitectura

GitHub PR Webhook → n8n → Obtener Diff → Ollama (local) → Formatear → Discord

Todo el pipeline se ejecuta localmente. Tu codigo nunca toca una API de terceros. Esto es critico para empresas que manejan codigo propietario o que operan bajo restricciones GDPR.

Requisitos previos

n8n instalado (self-hosted o cloud)
Ollama ejecutandose con un modelo de codigo: ollama pull qwen2.5-coder:7b
GitHub/GitLab acceso a webhooks del repositorio
Discord URL de webhook (o webhook de Slack)

Configuracion paso a paso

1. Configurar el Trigger Webhook

Crea un nuevo workflow en n8n y anade un nodo Webhook:

Metodo HTTP: POST
Ruta: /pr-review
Esto genera una URL como https://tu-n8n.com/webhook/pr-review

Registra esta URL en tu repo GitHub: Settings → Webhooks → Add webhook → Payload URL → Selecciona eventos “Pull requests”.

2. Obtener el Diff

Anade un nodo Code para extraer la URL del diff:

const prUrl = $input.first().json.pull_request.diff_url;
const title = $input.first().json.pull_request.title;
const author = $input.first().json.pull_request.user.login;
return [{ json: { prUrl, title, author, diffUrl: prUrl } }];

3. Enviar a Ollama para revision IA

Anade un nodo HTTP Request:

Metodo: POST
URL: http://localhost:11434/api/generate
Body (JSON):

{
  "model": "qwen2.5-coder:7b",
  "prompt": "Revisa este diff de codigo. Enfocate en: bugs, problemas de seguridad, rendimiento y estilo. Se especifico y referencia numeros de linea.\n\nDiff:\n{{ $json.diff }}",
  "stream": false
}

Esto envia el diff a tu instancia local de Ollama. El modelo se ejecuta en tu hardware — sin tokens cobrados, sin datos subidos.

4. Formatear la revision

Anade otro nodo Code:

const review = $input.first().json.response;
const title = $('Fetch Diff').first().json.title;
const author = $('Fetch Diff').first().json.author;

return [{
  json: {
    content: `**Revision IA de Codigo** 🤖\n**PR:** ${title}\n**Autor:** ${author}\n\n${review}\n\n_Powered by Vorlux AI + Ollama (inferencia local)_`
  }
}];

5. Publicar en Discord

Anade un nodo HTTP Request:

Metodo: POST
URL: Tu URL de webhook de Discord
Body: { "content": "{{ $json.content }}" }

6. Responder al Webhook

Anade un nodo Respond to Webhook que devuelva { "status": "reviewed" }.

Descargar el Workflow

Este workflow exacto esta disponible como archivo JSON listo para importar:

Descargar ai_code_review.json →

Importalo en n8n: Settings → Import Workflow → Upload File.

Por que IA local para revision de codigo

Factor	API Cloud (GPT-4)	Local (Ollama + Qwen)
Coste	~$0.03-0.10 por revision	EUR 0
Privacidad	Codigo enviado a servidores OpenAI	Codigo se queda en tu maquina
Velocidad	2-5 segundos (red)	1-3 segundos (local)
GDPR	Requiere DPA con OpenAI	Totalmente conforme (local)
Disponibilidad	Depende del uptime de la API	Siempre disponible

flowchart LR
    GH["GitHub PR"] --> WH["n8n Webhook"]
    WH --> DIFF["Fetch Diff"]
    DIFF --> AI["Ollama Review"]
    AI --> FMT["Format Output"]
    FMT --> DC["Discord Alert"]
    
    style GH fill:#1E293B,color:#FAFAFA
    style AI fill:#059669,color:#FAFAFA
    style DC fill:#F5A623,color:#0B1628

Eligiendo el modelo adecuado para revision de codigo

No todos los modelos son iguales para revision de codigo. Segun nuestras pruebas con cientos de PRs:

Modelo	Fortalezas	Mejor para	Memoria
Qwen 2.5 Coder 7B	Seguimiento de instrucciones, multi-lenguaje	Revision general	~4,5GB
DeepSeek R1 14B	Razonamiento cadena de pensamiento	Bugs logicos complejos	~10GB
Llama 3.3 70B	Analisis profundo, feedback arquitectonico	Revisiones de arquitectura	~40GB
Phi-4 14B	Inferencia rapida, output conciso	Checks rapidos de PR	~9GB

Para la mayoria de equipos, Qwen 2.5 Coder 7B ofrece el mejor balance entre calidad y velocidad. Si tu Mac tiene 32GB+ de memoria, considera DeepSeek R1 14B por su razonamiento superior en diffs complejos.

Proximos pasos

Reemplaza Discord con Slack o email
Anade un nodo de comentario GitHub para publicar directamente en el PR
Usa structured outputs (schema JSON de Ollama) para revisiones parseables
Encadena con un workflow de test runner para CI/CD completo
Explora el soporte de Model Context Protocol (MCP) en n8n para conectar agentes a herramientas externas

Lecturas relacionadas

Recursos relacionados

Biblioteca de 230 Workflows — explora y descarga todos los workflows
Catalogo de Modelos IA — encuentra el mejor modelo para revision de codigo
Stack de Software — herramientas que usamos y recomendamos
Contacto — necesitas ayuda configurando esto?

Automatiza la revision de codigo con IA: Tutorial n8n + Ollama