有人问我:AI 在代码审查里提了一堆意见,到底谁说了算?我的答案很干脆:人。但这句话说起来容易,具体到流程里,细节挺多。
我最近看到日本的一些讨论,GH Media 在关于受托开发的文章里提出了一个分工思路,我觉得挺实在:格式、命名、静态分析这类规则性检查交给自动化工具,测试和回归交给持续集成,人重点判断变更符不符合需求、设计合不合理。
关键在于,这个分工没有把 AI 审查当成质量保障的终点。工具意见本身可能不准,测试全部通过也只说明跑过的检查没抓到问题。审查的人还是得回到需求、设计和运行环境里,判断建议成不成立。
具体落地,我倾向于这样:提交变更后自动检查和测试先跑,AI 意见作为补充信息给开发者和审查者看;涉及需求、安全、架构的判断,由有权限的人复核后再决定是否合并。
renue 在讨论代码所有权时提过一句,我特别认同:就算代码是 AI 写的,组织也得明确谁负责确认、谁负责批准、谁负责维护。
具体到人,大致分几层:开发者说清楚改动为什么做、AI 建议哪些采纳了、测试补没补;审查的人复核需求适配和设计取舍,对能不能合并给出判断;平台或研发效能团队维护检查规则和权限,避免工具失效或规则过时;发布维护负责人按流程决定上线并跟踪后续问题。可以是同一个人,也可能是不同团队,但工具显示通过,不等于责任已经履行完。
还有个小细节我挺在意:留痕。重要指摘采纳或不采纳的理由、对应测试、审批和发布记录都留着,出问题能查,交接时也看得懂。
还有个提醒。GH Media 引的匿名制造业受托案例里,团队靠拆分变更、限制单次提交的审查范围缓解积压。可见审查效率不只看有没有上 AI,也看变更大小和人工决策清不清楚。但那只是一个项目的情况,别当普遍预期照搬。
选型前建议先问清楚:代码允不允许发到所选服务、审查结果谁来处理、哪些问题必须阻断合并、误报漏报怎么反馈。指标别只盯 AI 评论条数,审查耗时和人工处理负担更有参考价值。
至于某家企业什么时候上线、覆盖到什么程度,我没看到核实过的原始公告,就不替它下结论了。流程可以借鉴,事实不能想当然。
