还有人在读代码吗?——AI 时代代码审查的重构之路

举报
Uncle_Tom 发表于 2026/10/23 17:35:44 2026/10/23
【摘要】 AI 时代代码审查的演进方向,不是取消审查,而是把审查从"人工逐行把关"重构为"机器持续验证 + 按风险配置人工 + 快速撤销兜底",并把人类注意力从阅读代码转向判断方向、承担结果和阅读证据——同时用回滚率和事故率作为不可退让的护栏。

1. 传统代码审查的作用

在传统的软件开发中,Code Review(代码评审)的核心目的从来不只是"找 Bug",它同时承担着质量保障、知识传承与团队协作三重职能,贯穿软件生命周期始终。

  • 质量保障(守底线)

    这是 Code Review 最直接的目标:通过多视角检查,把潜在问题拦在开发阶段。

    • 早期发现缺陷:在代码合入主分支前,提前发现逻辑错误、边界条件遗漏、空指针、资源未释放等隐患。按业界经验,开发阶段修复一个缺陷的成本,往往只有线上修复的十分之一甚至更低。
    • 保障系统安全与性能:排查 SQL 注入、XSS 漏洞、并发安全问题,以及低效循环、冗余计算等性能陷阱。
    • 提升代码可维护性:确保代码符合 SOLID 等设计原则,命名清晰、注释到位、无"魔法数字",避免积累技术债。
  • 知识传承(促成长)

    Code Review 是团队内部最高效、最贴近业务的"实战教学"。

    • 打破信息孤岛:让团队其他成员了解你写了什么、怎么写的,避免"单点依赖"。
    • 以老带新(隐性知识传递):资深开发者借评审向新人传授设计模式、架构原则和避坑经验;新人也能从不同视角提出挑战,促使老手反思自己的思维定势。
    • 统一技术规范:在实战中磨合并统一团队的编码风格、架构规范和日志标准,降低沟通成本。
  • 团队协作(提效率)

    Code Review 是团队工程文化的重要体现,有助于建立心理安全感和集体责任感。

    • 建立集体所有权(Collective Ownership):代码不是"我的",而是"团队的",任何人都有权改进它,从而降低人员流动带来的风险。
    • 促进高效沟通:通过结构化的反馈(提问而非命令、建议而非指责),培养团队成员客观、开放、尊重的沟通习惯。
    • 减少返工与扯皮:在合入前达成共识,避免带有歧义或错误理解的代码流入测试和生产环节,缩短整体交付周期。

到了 AI 时代,Code Review 的作用正在发生转变:哪些工作 AI 能完成?哪些仍然只有人类能完成?

Claude Code 团队最近发表了[《How the Claude Code team does code review》],介绍了他们在代码审查上的实践。这些实践值得进一步思考和借鉴。

本文借助 Claude Code 团队的实践,讨论四个问题:

  1. AI 时代,人类在代码审查中的职责;
  2. AI 如何在审查过程中保障代码质量;
  3. 如何衡量 AI 代码审查的效果;
  4. AI 时代代码审查的发展方向。

2. Claude Code 的代码审查实践

2.1. Claude Code 的核心观点

文章的中心论点是:"“有没有人读过代码"只是衡量审查效果的一个粗糙代理指标,真正该问的是——这个变更可能出什么问题,哪种检查(自动或人工)最适合抓住它。”

围绕这一点,团队重构了整个审查理念:

  1. 审查从"终点关卡"变为"持续过程"。过去是写完代码、开 PR、等同事看;现在审查像写作时的拼写检查,贯穿始终。大多数变更在人类介入之前,已经由 Claude 审查并修复过至少一轮。
  2. 人类的时间和注意力是最稀缺的资源。目标是把人工审查留给只有人类才能解决的问题(方向判断、品味、范围决策、高风险代码),其余交给自动化。衡量指标是"每个 PR 的人类批准数(中位数和 95 分位)、人类评论数、PR 等待人处理的时长",并以回滚率和事故率作为护栏——如果回滚率上升,说明成本只是被转移了,并没有真正节省。
  3. “谁提交,谁负责”(You land it, you own it)。即使是智能体写的 PR,下达指令的人也算作必需的审查者之一,并对结果负责。智能体的批准永远不能替代人类批准。
  4. 审查必须收敛。智能体作者和智能体审查者可能无限互相忙碌——文中提到一个 CLI PR 一夜之间经历了 50 多轮审查和修复,直到作者叫停。

2.2. 几组值得关注的数据

文章给出了几组值得关注的数据和观察:

维度 发现
代码产量 Claude 编写了 Claude Code 自身约 90% 的代码;Anthropic 单体仓库每日变更从 5 月的约 2,500 次增至 9 月的 30,000 多次
效果 6 月至 9 月,合并的 PR 数量翻倍以上,而被回滚的 PR 占比下降超过 40%
AI 审查覆盖率 研究预览版上线后,获得实质性审查评论的内部 PR 占比从 16% 升至 54%;超过 1,000 行的大 PR 大多能发现问题,小 PR 大多干净返回
验证的价值 Boris Cherny 估计,给 Claude 一个可运行的验证方式(测试、构建、截图对比),能让最终结果好 2 到 3 倍
审查噪声 对审查者反复标记的代码做 git blame,约 59% 是审查者首轮就已存在的旧代码——说明多轮审查很少发现新 bug,只是每轮又多翻出几个旧问题
收敛问题 一个 CLI PR 一夜经历 50 多轮审查修复循环

2.3. Claude Code 的变更的生命周期

一个典型的 Claude Code 变更流程:从作者的机器到用户手中

BEFORE THE PULL REQUEST (提交拉取请求前)
│
├── ✅ 工作验证
│   Claude 运行测试、构建和代码检查;第二个代理在全新的上下文中审查代码差异。
│
ON EVERY PULL REQUEST (每个拉取请求期间)
│
├── ✅ 强制持续集成
│   跨平台进行代码检查、类型检查、测试、构建和打包。任何失败都会阻止合并。
│
├── ✅ Claude 代码审查
│   多个代理并行寻找缺陷,验证者对每个发现进行投票,幸存的问题按严重性排序。
│
├── ✅ 安全审查
│   独立的审查环节。来自任一审查的未解决问题都会阻止合并。
│
├── 🔶 基于风险的审批
│   分类器设定层级:无需人工、一人或两人。某些路径始终需要人工介入。
│
MERGING (合并阶段)
│
├── ✅ 合并队列
│   在应用了变更的最新主分支上再次运行检查。
│
AFTER THE MERGE (合并之后)
│
├── ✅ 功能开关控制,内部优先使用
│   Anthropic 员工在功能向所有人开放前先进行试用。
│
├── ✅ 渐进式发布
│   最新渠道优先发布;稳定渠道随后跟进。
│
└── 🔄 监控、前向修复或回滚
    作者和值班人员密切监控;功能开关迅速关闭,损坏的构建版本会被回滚。

图例说明:
✅ 自动化
🔶 人工决策,按风险扩展
🔄 恢复机制

这条流水线对应原文的 FIG A:绝大多数环节是自动化的(✅),人只出现在按风险设置的审批环节(🔶),再由恢复机制(🔄)兜底。整个周期分为四个阶段:

  • 提交前:Claude 自动运行测试、构建和代码检查,另一个智能体在全新上下文中审查代码差异,把大部分问题挡在 PR 出现之前。
  • PR 期间:强制 CI、Claude 代码审查、安全审查三层全部自动化,任何未解决的发现都会阻止合并;基于风险的审批决定需要无人、一人还是两人介入。
  • 合并阶段:合并队列在应用变更后的最新主分支上重跑所有检查,确保与最新代码兼容。
  • 合并之后:功能开关先对内部员工开放,再按"最新渠道 → 稳定渠道"渐进发布;作者和值班人员持续监控,出问题先关开关,必要时回滚。

3. 人在代码审查流程中承担的职责

根据文章内容,人在代码审查流程中承担的是机器做不了或不该由机器做的部分。文章把审查分为多个层次,人类介入的位置和职责可以按步骤梳理如下。

3.1. 第一步:决定"要不要做"(方向、品味、范围)

这是人类最靠前、也最不可替代的职责。文章明确写道,人类仍然负责 “Deciding whether to build it. Direction, taste and scope”(决定是否要构建它:方向、品味和范围)。

  • 文中举了一个例子:有个团队宣称自己的审查瓶颈已经解决,但仍然保留了对团队外部来源变更的人工审查,就是为了有人能问一句"我们到底该不该做这件事?"
  • 这一步发生在代码写出来之前或刚起步时。文章在"当我们改变方向"一节提到,智能体让启动一件事变得很便宜,所以有些工作就不该落地——通常由频道里的人问一句"为什么",指出早先的决定,或建议更简单的路径,作者据此关闭或重塑 PR。关键是尽早提出不同方向,而不是等 PR 完成后才作为阻塞性评论提出。

3.2. 第二步:阅读证据,判断"检查会漏掉什么"

人类不逐行读 diff,但要读证据。文章在"人类仍在环中"一节列出的职责包括:

  • 阅读测试输出、实际运行的命令及其返回值、截图、审查者的发现。
  • 核心判断标准是:“如果你说不清这些检查会漏掉什么,就该要求一次真正的审查,而不是快速批准。”(If you can’t say what the checks would miss, ask for a real review rather than a quick approval.)
  • 也就是说,人类在这一步的作用是评估自动化检查的覆盖边界,而不是重复机器已经做过的事。

3.3. 第三步:审查高风险代码

按风险分级,人类被分配到真正需要人的地方。文章列出了人类应审查的类别:

  • 高风险代码:计费(billing)、自动更新器(auto-updater)、CI 工作流等。
  • 会被人效仿的架构:那些"设定了一个别人会照抄的模式"的架构。
  • 对应的审批规则是:低风险变更在自动审查和安全检查全绿后无需人类批准;中风险需 1 人;高风险(最高风险代码 + 一小部分永远需要两人的路径)需 2 人。
  • 此外,某些路径永远需要人:代码所有者列为敏感的路径,以及任何 CI 工作流文件。非可信作者列表中的其他人提交的变更,一律需要第二个人批准。

3.4. 第四步:作为通过智能体发起该变更的人承担作者责任

这是 AI 时代新增的人类职责。文章强调"谁提交,谁负责"(You land it, you own it):

  • 对于智能体写的 PR,下达指令的人算作必需的审查者之一,和亲自敲代码一样。
  • PR 模板要求填写"如何测试的"“如何撤销的”,Claude 可以代填,但要求这个变更的人要签字确认。
  • 每次批准只覆盖一个具体提交;如果有新提交落地(比如智能体的推送、有人手动解决的合并),批准必须重新给出。

3.4.1. AI 时代,PR 的责任主体的讨论

  • 人工和 AI 写 PR 的对比:
场景 谁是作者 谁承担作者责任 是否需要专门规则
人工写 PR 敲代码的人 敲代码的人 不需要,天然重合
智能体写 PR 智能体(非责任主体) 下达指令的人 需要,因为出现了责任真空

这个问题触及了 AI 时代代码审查中一个很关键的伦理与责任设计,值得展开讨论。文章的原话是:

“Whoever prompted the change is on the hook for it. On an agent-written PR, the person directing the agent counts as one of the required reviewers, the same as if they’d typed the code themselves.”

翻译过来就是:谁通过 Agent 的提示(prompt)发起了这个变更,谁就要为它负责。在智能体写的 PR 上,指挥智能体的人算作必需的审查者之一,和亲手敲了这些代码一样。

具体落到操作上,有三层含义:

  1. 身份上等同于作者。这个人在审批流程里占一个"人类审查者"的名额——不是旁观者,不是"我只是让它跑了一下",而是责任意义上的作者。
  2. 要签字确认。文章提到 PR 模板要求填写"如何测试的"“如何撤销的”,Claude 可以代填,但"要求这个变更的人要签字确认"(the person who asked for the change signs off on it)。
  3. 审批绑定具体提交。每次批准只覆盖一个 commit;如果之后有智能体的新推送或有人手工解决的合并,批准必须重新给出——提示者不能靠"我之前批过一次"就一劳永逸。

一句话概括:你不能因为代码是 AI 敲的,就把责任推给 AI。下指令的人就是责任人。

3.4.2. 为什么这条规则专门针对智能体写的 PR

关键在于:这条规则在传统开发里是"默认成立、无需言明"的,但智能体打破了这种默认,所以必须显式写出来。

  1. 传统模式里,"作者"和"责任人"天然重合,不需要专门规定

在人工写代码的时代,谁写了 PR,谁就是作者,谁就为它负责。这个对应关系是自动成立的——你敲的键盘,你提交的 PR,责任自然在你身上。没有人需要专门写一条规则说"写代码的人要负责",因为这不言自明。

  1. 智能体制造了一个"责任真空"

当 Claude 写了 90% 的代码时,出现了一个新问题:代码是智能体敲的,那责任在谁?

这里存在一个危险的滑坡:

  • 智能体不是法律或组织意义上的责任主体,它不能"被追责";
  • 如果规则不明确,人很容易产生一种心理:“这代码不是我写的,是 AI 写的,出了问题不怪我”;
  • 一旦这种心态蔓延,就会出现**“无人负责的代码”**——这正是代码审查最怕的状态。

文章特意点出这一点,就是为了堵住这个责任真空。

  1. 智能体让"启动变更"变得极其廉价,责任更容易被稀释

文章在"当我们改变方向"一节说:“Agents make it cheap to start things”(智能体让启动事情变得很便宜)。这带来两个后果:

  • 变更数量暴增(单体仓库从每日 2,500 次到 30,000 多次),逐行人工审查不可能;
  • "我只是让它试试"的成本极低,于是"下指令"这个动作看起来轻飘飘的,不像"写代码"那样有分量。

如果不把"下指令"和"写代码"在责任上划等号,人就会倾向于把审查责任推给流程、推给 AI、推给"反正有自动检查"。所以规则必须明确:提示本身就是一种作者行为,要承担和敲代码同等的责任。

  1. 智能体的"批准"不能替代人类,所以必须有人类兜底

文章反复强调:“An agent’s approval never counts as a person’s.”(智能体的批准永远不算人类的批准。)以及"机器人批准不能填补需要人类的位置"。

既然智能体不能当责任人,那么智能体写的 PR 就必须有一个人类来占那个"作者/审查者"的位置。这个人是谁?就是下达指令、要求做这个变更的人。这是逻辑上唯一合理的答案。

  1. 这和企业里"谁提需求谁负责"的治理逻辑一致

从组织治理角度看,这其实不新鲜:提出变更需求的人,对变更结果负责。智能体只是把"写代码"这个执行环节外包了,但"提出要做什么变更"这个决策环节仍然在人手里。所以责任链条是:

人提出需求 → 智能体执行 → 人作为需求提出者签字担责 → 出问题由这个人负责修复

文章用"You land it, you own it"(谁落地谁拥有)来概括,并且配套了"变更小、可逆、影响范围决定标准、回归快速暴露、复盘看系统不看个人"等机制,让这个责任不至于变成甩锅。

3.5. 第五步:回应每一条审查发现

AI 审查提出的每条发现都必须被回应。人类(作者)在这一步的动作是:

  • 要么修复,要么在讨论线程中附上理由关闭(这也是清除误报的方式)。
  • 如果是后续提交修复了该问题,发现会自动清除。
  • 实践中,常常是智能体在夜间就把修复接走了,作者回来时 PR 已经又过了一轮。

3.6. 第六步:处理安全审查的阻塞项

安全审查有独立的自动检查,且可以阻塞合并:只要 bug 审查或安全审查还有任何未解决的发现,PR 就不能合并。

  • 人类的动作是:修复它,或用简短理由关闭线程(用于清除误报)。
  • 这一步人类做的是"裁决",因为机器无法判断某个安全发现是真问题还是误报。

3.7. 第七步:审批时按风险匹配审查力度

人类在批准环节要做的判断包括:

  • 根据变更本身(而非作者)确定的风险等级,决定是快速过一遍还是深度审查。文章提到 Code Review 提供 Quick、Standard、Deep 三档,“在一个漏掉的 bug 代价高于额外审查时间的地方,Deep 是值得的”。
  • 保持对"轻量审批路径"的审慎:轻量路径只对可信作者开放,且机器人的批准不能填补需要人类的位置。
  • 如果新提交是系统无法担保的(智能体推送、手工解决的合并),人类要重新批准。

3.8. 第八步:合并后的所有者责任——修复与复盘

"谁提交,谁负责"意味着变更落地后出问题,通常由落地者来修。文章给出几条让这件事不至于变糟的机制:

  • 变更小,容易审查、调试和回滚;
  • 一切可逆(开关、回滚、分阶段发布能在几分钟内撤销大多数错误);
  • 影响范围决定标准(代价高的代码需要更多人和更多检查);
  • 回归通过遥测和内部使用快速暴露;
  • 这不是追责:拥有修复意味着你掌握最多上下文,事故复盘看的是系统而非个人。

此外,人类还参与事故复盘,问"哪一层本应抓住这个问题",并把事故和回滚转化为评测集,用于持续改进审查者。


3.9. 人类还承担"知识共享"这一隐性职责

文章指出代码审查的第二个职能是传播代码库理解。当机器承担了大部分阅读后,团队没有正式流程,但人类会:

  • 需要理解某块代码时,让 Claude 为该切片写解释文档,或构建可视化小工具;
  • 借助开放的 Slack 频道文化,边做边看别人在做什么。

作者的原话是:如果目标是善用人类注意力,这比逐行读琐碎的 diff 更好——“一行文案改动几乎教不了你什么,而你要改的模块的解释文档能教很多”。


3.10. 归纳总结

  • 人类在审查中的动作可以概括为"判断方向 → 读证据 → 审高风险 → 担作者责任 → 裁决发现 → 按风险批准 → 拥有结果 → 复盘与分享"。
  • 贯穿始终的原则是:人类不做机器能做的逐行阅读,而是做机器做不了的判断、裁决、担责和学习。

4. AI 时代质量保证仍是代码审查的主要目标

文章在"重新思考代码审查的目的"一节明确写道,代码审查做两件事:

  • Find and fix issues before they ship(在发布前发现并修复问题)
  • Build shared context and codebase understanding across the team(在团队内建立共享上下文和代码库理解)

并且紧接着说:“This article mainly focuses on finding and fixing issues”(本文主要聚焦于发现和修复问题)。质量保证被放在审查目的的第一位,且是全文的主线。 第二职能(知识共享)反而被放到文末单独讨论。

4.1. 整个流程的目标函数就是"质量不降"下的时间优化

文章在"稀缺资源是人类时间和注意力"一节,把目标写得很清楚:

“the goal is that most pull requests … merge with at most one human in the loop … with no increase in reverts or incidents.”

也就是说,团队优化的前提是回滚率和事故率不能上升。文章进一步解释:

“Revert and incident rates are the guardrail: if they rise, we haven’t saved human time, we’ve only moved it.”

回滚率和事故率是护栏——如果它们上升,说明人类时间并没有真正节省,只是转移到了事后修复。这直接表明:衡量审查是否成功的第一约束是质量,而不是审批数量。

“From June to September, merged pull requests … more than doubled while the share that had to be reverted fell by more than 40 percent.”

PR 数量翻倍的同时,回滚比例下降 40% 以上——产量大增而质量提升,这是文章用来证明新流程有效的首要证据。

4.2. 每一层机制都在服务于"抓问题"

文章的"逐层审查"结构,每一层都是质量保证的具体手段:

层次 质量保证机制 关键设计
1. 提交前验证 给 Claude 可运行的验证(测试、构建、截图),要求展示输出而非声称完成;子智能体用全新上下文审 diff;技能专门找 bug、简化 diff、端到端检查行为 "让 AI 能验证自己的工作"被认为是最重要的实践,能使最终结果好 2-3 倍
2. AI 审查每个 PR 读 diff 对照整个仓库和 PR 意图,问"是否解决问题、是否契合系统、是否破坏其他东西";bug 修复要查根因 多个代理同时找 bug,再由另一组投票确认真实性,过滤掉风格和噪声;发现必须逐条回应(修复或说明理由)
3. 安全审查(可阻塞) 任何未解决发现都阻止合并 后续 commit 修复了问题则发现自动清除;误报可通过关闭线程并附理由来排除
4. CI 自动检查(可阻塞) lint、类型检查、各平台测试、构建 PR 模板要求填写"如何测试"和"如何回滚";典型 PR 在人看到之前会跑数十项检查
5. 按风险人工审批 高风险代码必须人工,机器人批准不能替代人 风险等级由变更内容决定而非作者身份;AI 的审批永远不算人头;仅可信作者可走轻量路径;审批绑定到具体 commit
6. 合并队列/开关/分阶段发布 在 main 上重新跑全部检查,防止两个各自通过的 PR 合并后破坏 main;feature flag 先内部后外部 回滚可在几分钟内完成
7. 快速发现、快速回滚 兜底层:通过遥测、内部使用、on-call 轮值和回滚/事故看板快速发现 开关可不发版就关闭功能;事故复盘问的是"哪一层应该拦住它"而非"谁的锅"

七层里有六层直接以"发现和阻止问题"为目的。

文章也承认,这套流程的目标不是"零缺陷",而是在可接受的质量水平下优化人类时间:

  • 它接受"有些错误仍会漏过"(some mistakes will still get through),所以才有第七层"快速发现、快速回滚"。
  • 它把回滚率、事故率作为护栏而非消除对象——只要不上升,就算达标。
  • 它坦承目前还没有断路器能在指标变动时自动收紧审批,工程师希望在有更多代码走向零人工合并前补上。

所以更准确的表述是:质量保证仍是代码审查的首要目标,但质量被定义为"回滚率和事故率不上升"这一可度量的护栏,而非"零错误"。


4.3. 多层防御,而非单一关卡

七层检查自上而下堆叠,底层设有回滚保障。

problems in (潜在问题流入)
      │
      ▼
┌─────────────────────────────────────────┐
│  ✅ 验证 (Verification)                 │  <-- 第一层拦截
│  (部分问题被拦截,部分穿透)               │
└──────────────────┬──────────────────────┘
                   │
                   ▼
┌─────────────────────────────────────────┐
│  ✅ 强制持续集成 (Required CI)           │  <-- 第二层拦截
│  (构建/测试失败会被拦截)                  │
└──────────────────┬──────────────────────┘
                   │
                   ▼
┌─────────────────────────────────────────┐
│  🤖 AI 审查 (AI Review)                 │  <-- 第三层拦截
│  (AI 代理发现并拦截部分缺陷)              │
└──────────────────┬──────────────────────┘
                   │
                   ▼
┌─────────────────────────────────────────┐
│  🛡️ 安全审查 (Security Review)          │  <-- 第四层拦截
│  (专门针对安全隐患进行过滤)               │
└──────────────────┬──────────────────────┘
                   │
                   ▼
┌─────────────────────────────────────────┐
│  👤 人工审批 (Human Approval)           │  <-- 第五层拦截
│  (基于风险的人工决策)                     │
└──────────────────┬──────────────────────┘
                   │
                   ▼
┌─────────────────────────────────────────┐
│  🚦 合并队列 + 功能开关                  │  <-- 第六层拦截
│  (Merge Queue + Flags)                  │
│  (上线前的最后检查与灰度控制)             │
└──────────────────┬──────────────────────┘
                   │
                   ▼ (极少数漏网之鱼)
                   ●
            ╭──────╨──────╮
            🔴 快速回滚     │  <-- 最终安全网
            (Fast Rollback) │     (兜底机制)
            ╰──────────────╯

这正是经典的瑞士奶酪模型式多层防御:每一层都有孔,且各层孔的位置不同,极少有问题能同时穿过所有层,漏网的交给快速回滚兜底。

4.4. 按风险分级的人工批准

风险等级由分类器根据变更内容判定,而非由发起人或作者自行申报;此外还有一个分类器专门判断某个变更是否需要在其等级之外再加一个人。

风险 示例 人工批准
低 文档、文案、仅内部可见的功能、位于功能开关之后的增量式变更 自动评审与安全检查通过后,无需人工批准
中 常规产品变更,以及对缓存、自动更新器、系统提示词等敏感区域的变更 一人
高 风险最高的代码,外加一小批始终需要两人审批的路径 两人

4.5. 安全审查(可阻塞)

安全检查仍是代码审查中不可或缺的一部分。

参见开源项目 [claude-code-security-review]。

4.5.1. /security-review 命令和 GitHub Action 都检查常见的漏洞模式

该命令覆盖的漏洞模式包括但不限于:

  • SQL 注入风险:识别潜在的数据库查询漏洞。
  • 跨站脚本 (XSS):检测客户端脚本注入漏洞。
  • 身份验证和授权缺陷:查找访问控制问题。
  • 不安全的数据处理:识别数据验证和清理问题。
  • 依赖项漏洞:检查第三方包中的已知问题。

这一模块的能力将另文单独分析。

4.6. 每一次事故都变成一条评测用例(eval)

flowchart TD
    subgraph 构建测试集 [构建测试集]
        A["🔴 事故或回滚<br>(Incident or revert)<br>导致系统故障的变更"] --> B["🔍 专家核查案例<br>(Expert-checked case)<br>专家确认该 Bug 的存在"]
        B --> C["📥 加入测试集<br>(Added to the set)<br>每起事故都会增加一个测试案例"]
    end

    subgraph 闭环迭代 [闭环迭代与优化]
        C --> D["📊 每日评估运行<br>(Daily eval run)<br>针对所有案例进行评分"]
        D --> E{"❓ 分数提升了吗?<br>(Score went up?)<br>提升则保留,否则丢弃"}
        E -- "否 (No)" --> F["❌ 丢弃变更 (Drop it)"]
        E -- "是 (Yes)" --> G["✅ 调整审查机制<br>(Change the reviewer)<br>修改其提示词、工具或模型"]
        G --> H["🔄 下一次变更 (Next change)"]
        H --> D
    end

    style 构建测试集 fill:#f3f4f6,stroke:#333,stroke-width:2px
    style 闭环迭代 fill:#e6f7ff,stroke:#333,stroke-width:2px
    style A fill:#fff,stroke:#333
    style B fill:#fff,stroke:#333
    style C fill:#fff,stroke:#333
    style D fill:#fff,stroke:#333
    style E fill:#fff,stroke:#333
    style F fill:#fff,stroke:#333
    style G fill:#fff,stroke:#333
    style H fill:#fff,stroke:#333

4.7. 归纳总结

原文从审查目的的定义(第一职能是找问题)、流程的目标函数(回滚和事故不上升是护栏)、效果数据(回滚率降 40%)、七层机制的设计(六层直接防问题)、审查者的优先级(先抓真 bug)、人类保留的职责(高风险审查、读证据、担责)、到总结句(“我们没有取消审查”),贯穿始终地把质量保证放在核心位置。AI 改变的是审查的执行方式和人类介入的位置,不是审查的目标本身。


5. 衡量 AI 代码审查效率:审查必须收敛

智能体作者和智能体审查者可能陷入无限循环。为避免死循环、提高审查效率,原文"如何让审查者更好"(HOW WE MAKE THE REVIEWER BETTER)一节中"审查必须收敛"(Review has to converge)部分给出的收敛机制主要有以下几条:

  • 轮次上限(A round cap)

“After three rounds, the reviewer asks the author to step back and reconsider the approach.”

超过三轮后,审查者会要求作者退一步,重新考虑整个方案,而不是继续在细节上打补丁。这是最直接的硬性收敛手段。

  • 前几轮之后只审查新增 diff(Diff-only re-review)

“Diff-only re-review after the first few passes.”

前几轮通过之后,复审只针对新增的 diff,而不是每次都把整个 PR 重新审一遍。原文解释过,反复全量审查时,审查者发现的大多是早已存在的旧代码问题(git blame 显示约 59% 是首轮就存在的代码),只审新增 diff 可以避免这种无谓循环。

  • 按 bug 类别批量修复(Flag the class of bug)

“Flag the class of bug, so the author fixes every instance, not one line.”

标记 bug 的类别,让作者一次性修复所有同类实例,而不是只修被指出的那一行。这避免了"修一处、下轮又发现同类另一处"的来回拉锯。

  • 不重复发布已有发现(No repeats of findings already posted)

“No repeats of findings already posted.”

已经发布过的发现不再重复发布。这防止审查者在每一轮都把同一批问题重新提一遍,造成轮次空转。


  • 文中给出了三个度量指标:
    • Pass after one review and fix round(一轮审查+修复后即通过)
    • Need five or more rounds(需要 5 轮及以上)
    • Mean reviews to pass(通过所需的平均审查轮数)

5.1. 代码审查效率监控体系

在这三个指标的基础上,如果要更全面地衡量审查效率的提升,建议构建覆盖以下三个维度的统计指标体系——既看"快不快",也看"顺不顺"和"稳不稳"。

5.1.1. 流转顺畅度指标

这部分数据直接反映审查机制的精准度和沟通成本,是衡量效率提升最直观的标尺。

  • 一次审查通过率
    • 定义:无需修改或仅需极小修改(如文档调整)即可直接合并的 PR 占比。
    • 价值:该比率越高,说明提交质量高且审查标准清晰,开发者返工成本最低。
  • 平均审查轮次
    • 定义:一个 PR 从首次提交到最终合并,平均经历的"反馈-修改"循环次数。
    • 价值:轮次越低,沟通越高效,避免了无效的反复拉锯。建议同时关注中位数,以排除极端长尾数据的干扰。
  • 长尾阻塞率
    • 定义:审查轮次超过特定阈值(如 5 轮及以上)的 PR 占比。
    • 价值:反映流程中的"卡顿"痛点。该比率下降意味着极端困难案例被有效解决,流程健康度提升。

5.1.2. 时间周期指标

这部分数据衡量审查流程对整体交付速度的绝对影响,关注开发者的等待体验。

  • 首次响应时间
    • 定义:从 PR 提交到收到第一条有效审查意见的平均时长。
    • 价值:衡量团队的响应敏捷度,减少开发者因等待而产生的上下文切换成本。
  • PR 全生命周期时长
    • 定义:从 PR 创建到最终合并入主分支的总耗时。
    • 价值:这是衡量交付速度的核心结果指标,直接关联业务上线效率。
  • 修复耗时
    • 定义:从审查意见提出到开发者完成修复并再次提交的平均间隔。
    • 价值:反映审查意见的清晰度及开发者的理解成本。耗时过长可能意味着意见模糊或技术债务过重。

5.1.3. 质量与稳定性指标

效率提升不能以牺牲质量为代价,必须结合以下指标进行"刹车"监控。

  • 合并后缺陷密度
    • 定义:代码合并后,在后续测试或生产环境中发现的 Bug 数量(通常按千行代码或每百次合并计算)。
    • 价值:确保"快"的同时没有漏掉严重问题。
  • 线上回滚/热修频率
    • 定义:因审查疏漏导致的紧急回滚或生产环境修复次数。
    • 价值:这是审查质量的"底线指标",频率应趋近于零。
  • 审查覆盖率
    • 定义:经过至少一人审查的代码变更占比。
    • 价值:防止为了追求速度而跳过审查流程,确保所有变更都在监控之下。

5.1.4. 实施建议

建议以组合方式使用这些指标:

  1. 主指标:用"平均审查轮次"和"一次通过率"作为核心成效展示。
  2. 辅助指标:用"长尾阻塞率"证明痛点解决情况。
  3. 护栏指标:必须附带"合并后缺陷密度",证明效率提升未牺牲质量。

5.2. 归纳总结

文中明确的 AI 审查收敛机制共四条:①三轮上限、②首轮后只审新增 diff、③按 bug 类别批量修复、④不重复发布已有发现;
并以"轮次 + 召回率"双指标来确保收敛的同时不降低发现真问题的能力。


6. AI 时代代码审查该如何发展

综合文章内容,可以归纳出几条发展方向:

6.1. 从"人工逐行审查"转向"机器为主、人工聚焦"

把大部分阅读工作交给机器,人类审查集中在:是否该做这个变更(方向、品味、范围)、高风险代码(计费、自动更新器、CI 工作流)、会被人效仿的架构模式、以及阅读证据(测试输出、运行命令及返回值、截图、审查发现)。如果说不清检查会漏掉什么,就该要求真正的审查而非快速批准。

6.2. 前置验证:让智能体先证明自己能跑通

在 PR 存在之前就完成大部分审查——给智能体可运行的验证方式(测试、构建、截图对比),要求它展示输出而非声称"完成了",再用全新上下文的子智能体审查 diff。这是提升结果质量最有效的手段之一。

6.3. 把重复性审查意见沉淀为规则

当自动审查反复标记同一问题时,从源头修复:写进 lint 规则、技能(skill)或指令文件。文章给出了两个关键文件:

  • CLAUDE.md:说明项目是什么(技术栈、约定、目标与非目标),保持简短并指向其他文档;审查者也会标记违反约定的代码和让其中某行过时的变更。
  • REVIEW.md:由代码所有者编写,说明其负责部分的要点——该仓库中"失败"长什么样、限制小问题数量、列出可跳过的路径、要求以文件和行号作为证据而非凭名字猜测。

6.4. 用风险分级取代"一刀切"审批

写下风险等级,由变更而非作者决定;从严格开始,凭证据逐步放宽;对可信作者保留轻量路径;用 CODEOWNERS 和分支保护确保认证、计费、CI、发布工作流和安装器始终需要人工。机器人批准不能替代必需的人类批准;系统无法担保的新提交(智能体推送、手工解决的合并)应使旧批准失效。

6.5. 让审查收敛,控制轮次

  • 设置轮次上限:超过三轮后,审查者应请作者退一步重新考虑方案。
  • 前几轮之后只审查新增 diff。
  • 标记 bug 类别,让作者修复所有实例而非一行。
  • 不重复发布已提出的发现。

6.6. 构建可快速撤销和快速发现的工程体系

使用合并队列(在 main 上重跑所有检查)、功能开关、内部先用、分阶段发布、一步回滚。用遥测和内部使用快速暴露回归。事故复盘要问"哪一层本应抓住这个问题"。

6.7. 用数据持续改进审查者

  • 按作者对评论的回应方式对每条评论分类(修复了、说错了、说是有意为之、认为不重要),以此衡量噪声。
  • 在已知干净的 PR 上运行审查者,统计误报导致有害变更的频率。
  • 明确优先级:先抓真 bug,再减少审查轮次。
  • 注意:当作者是智能体时,噪声代价更高——人会几秒内忽略小问题,智能体却会去修复,从而产生又一次提交和又一轮审查。

6.8. 重新思考"审查的第二个职能":知识共享

审查原本还承担传播代码理解的作用。文章坦言团队没有正式流程,也没人保持完整心智模型——需要理解某部分代码时,让 Claude 为该切片写解释文档,或构建可视化小工具。这比逐行阅读琐碎 diff 更有效地利用人类注意力。

6.9. 关于"零人工合并"的边界

文章指出,产品本身仍认为"批准 PR 是人类的事"——Code Review 只发布发现,不发布批准。但团队自己的仓库走得更远:允许所有者为低风险变更设定仅凭自动化检查即可合并,且这条线还在移动。同时他们也坦承目前尚无断路器能在回滚/事故指标变动时自动收紧审批,工程师希望在有更多代码走向零人工合并前补上这一环。


7. 总结

AI 时代代码审查的演进方向,不是取消审查,而是把审查从"人工逐行把关"重构为"机器持续验证 + 按风险配置人工 + 快速撤销兜底",并把人类注意力从阅读代码转向判断方向、承担结果和阅读证据——同时用回滚率和事故率作为不可退让的护栏。

8. 参考

  • [How the Claude Code team does code review]
  • [Claude Code code review]
  • [Claude Code best practices]
  • [Automated security reviews in Claude Code]
【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。