代码审查 (code review)
集里怎么说它
- 《TESL 智能体:让你的编码智能体自己越用越好》(05:37起):本集以智能体代码审查为核心用例,展示了三层架构:基于技能的通用审查、变更风险门控、验证器规则检查,以及循环持续优化
- 《把系统提示词删掉八成:Anthropic 团队这样用 Claude 自己造 Claude》(14:20起):本集把它说成:核心改动由代码所有者人工把关,但外层改动已逐步交给 Claude Code 全自动审查,出了事故就补测试集
- 《用 AI 对抗 AI:一种不用读代码的编程语言 BAML》(00:27起):本集把它说成:团队直接废掉的传统流程;在 AI 写代码的时代,靠人逐行读代码兜不住,得靠不变量、工具和智能体互相监督来替代。
- 《Datadog 4000 人AI赋能实战:删掉上下文反而更好》(12:28起):Opus 4.5 发布后 PR 数量几乎翻倍,代码审查成为 SDLC 中最大的瓶颈。Datadog 用 AI 做代码审查的定位是’防止事故的最后护栏’,而非吹毛求疵。
- 《Circleback 创始人 Ali:把公司记忆和运营流程全部交给智能体》(09:09起):本集说当智能体能端到端写代码后,瓶颈变成代码审查:他们按 PR 类型派出不同审查智能体,查代码质量、架构、产品甚至文案。
- 《OpenClaw 创始人复盘:被 18,000 人狂改、被舆论压垮,我学到了什么》(30:38起):本集把它说成:一种风险管理手段。主张不再逐行读所有代码:无关紧要的 UI 实现扫一眼即可,核心危险系统细看;同时也可凭直觉判断耗时是否异常来决定是否深查。
- 《从传统科技公司到 AI 原生:Maven Clinic 的转型实录》(11:05起):本集说 AI 编程让代码量从每天几百行涨到上千行,代码审查成了瓶颈;Maven 重构了制度:允许工程师自行判断是否需要人审、PR 不超 500 行、启用堆叠式 PR,坚决避免『橡皮图章』式假审查。
- 《最后一次人类代码审查:靠“上下文”而不是更好的模型》(00:51起):本集主线:人类逐行审 PR 的时代正在终结,代码审查有验证与对齐学习两大目的,自动化的前提是先补齐上下文和治理层
- 《AI 时代,工程师的判断力与品味如何修炼》(01:36起):本集说在智能体时代代码产出量暴增,‘谁来做代码审查、我们还需要做代码审查吗、还是直接跳过’成了组织层面的新问题
- 《Instagram 联合创始人聊 AI 时代怎么「不合常理」地写代码》(11:18起):Mike 承认仍被 review 卡瓶颈,真正的瓶颈是人类无法完全构思正在做的事;他们改发 Claude Code artifact 讨论意图与权衡、在生产环境衡量,他本人则把「我会问的问题」丢给 Claude 去调查。
- 《Uber 用 AI 给 AI 评审代码:每周 2.5 万条评论是这样炼成的》(00:13起):本集说 AI 生成代码让 PR 数量与体积暴涨后,代码评审成了整个研发流程的瓶颈(首次评审时间从 3 小时涨到 9 小时)
- 《token 不是越省越好:用「可信吞吐量」优化 AI 开发的真 ROI》(08:12起):本集指出 AI 让代码生成充裕后,压力下移到审查环节;正确做法是把 AI 工具作为第一道防线处理风格、测试覆盖等简单项,人只做架构、安全等深度判断并承担最终责任。
- 《从技能到循环再到工厂:软件工厂实战路线图》(07:34起):本集说通用的一键式智能体代码审查几周后收益就停了,因为你跳过了写下「什么是好」这一步;TESL 的审查是技能驱动的透镜,且你拥有它所以更好
- 《Codex 负责人亲述:OpenAI 内部如何造编程智能体》(29:45起):本集说代码评审的角色正在改变:模型在代码评审上超越人类,正确性与安全层被自动化,人留下的是关于意图的讨论。
- 《鼠标力:为智能体时代找回「马力」这把尺子》(11:56起):本集说瓶颈已从生成转移到人工审查一侧:连 Anthropic 都承认还没解决代码审查,它之所以感觉可解是因为文化上在共同假设上有好的收敛。
- 《Warp CEO 的软件工厂:2000 个 PR 一个月,人成了瓶颈》(00:34起):本集说人工代码审查是产线最大瓶颈(PR 到首次审查 3.5 小时),并预言代码审查正在变成一种风险管理练习
- 《软件工厂的教训:不读代码的四五个月后,我们重写了整个产品》(15:16起):本集主张:因为可维护性没有快速的 Oracle,今天仍要审查代码,但未来审查的可能是别的东西——审查某样东西永远有超额收益
- 《AI 生成的代码到底行不行:百万 PR 数据给出的答案》(09:54起):本集说在 PR 产出超出人工验证容量的世界里,代码评审要按第一性原理重做:回答是否违反用户契约、是否增加未来违约倾向、是否实现作者意图三个问题。
- 《软件工程正在变成「工厂工程」:Warp 创始人的自动化开发全景》(07:21起):本集把它说成工厂里「最痛苦的部分」——大家已厌倦审阅智能体生成的垃圾代码;建议让智能体先做代码审查,随时间推移变成何时引入人类的风险管理练习。
- 《AI 写代码翻倍之后:Honeycomb 的审查、信任与主人翁意识》(00:29起):本集核心论点:瓶颈从来不是产出代码,而是人类的审查注意力;让机器人做 100% 初审、把人类注意力留给设计模式和复杂变更。
- 《「上下文工程」之父 Dex Horthy:智能体编程的真相与工作流》(33:35起):本集讨论其作为新人传承品味通道正在失效:评审人写的评论被直接粘贴给 AI;Mitchell Hashimoto 只写「去问你的 Claude 为什么这是错的」的做法被认可。
- 《代码评审未死:人类从引擎变飞行员》(00:13起):本集主线:AI 智能体让代码产出暴涨但人类评审速度不变,评审成为新瓶颈,正被重构为工程化系统,人类从逐行读代码的『引擎』变为『飞行员』。
- 《给代码智能体装上搜索:EXA 的实战方法》(00:45起):本集以代码评审智能体为例:一个「像清理」的参数删除实为依赖升级的破坏性变更,需查上游变更日志验证,把评审建立在查到的内容之上
- 《VS Code 团队如何靠 AI 把月更改成周更》(04:03起):他们视为下一个大投入方向:GitHub Copilot 自动评审起初不被信服,几个月内大幅改进后成为强制项,可按仓库风险调低中高三档力度,评论未解决前人类不看 PR
① 提到它的金句
14 条
但即便如此,智能体在代码审查方面也比以前的人类做得更好。
指向原始笔记的链接
But even then, agents are doing code review even better than humans did before.
—— Will Gabrick · [26:52]
正如我提到的,那才是这里真正的金矿,要让代码审查自动化。
指向原始笔记的链接
As I mentioned, that’s the real gold mine here to get the code review automated.
—— Itamar Friedman · [09:43]
如果你搭建了基础设施,如果你收集了上下文,如果你开始积累代码审查如何为你自动化的经验,那才是你能获得 10 倍速度的地方,也就是你向你的 CEO 或你自己或你的开发者承诺过的速度,否则它就是一个瓶颈。
指向原始笔记的链接
If you put the infrastructure, if you gather the context, if you start accumulating how code review can be automated for you, then that’s where you’re gonna get the 10x velocity that you’re being promising your CEO or yourself or your developers, because otherwise it’s a bottleneck.
—— Itamar Friedman · [15:59]
简而言之,代码评审现在成了我们遭遇的瓶颈。
指向原始笔记的链接
So in short, code review is now the bottleneck that we are running into.
—— Will Bond · [01:16]
否则我们可能会陷入智能体的空转:它修复了某个问题,回头又收到一次代码评审,然后不得不反向再修一遍,因为那条评论的质量很低。
指向原始笔记的链接
Or else we can result in dealing with cavitation of an agent where it fixes something, goes back, gets another code review, and has to kind of like fix backwards because the quality of the comment was low.
—— Will Bond · [12:23]
与其把人类从代码评审流程中移除,我们是把他们的职责上移一层。
指向原始笔记的链接
Rather than removing humans from the code review process, we are moving their responsibilities up a layer.
—— Will Bond · [13:55]
你不再是去担心性能优化和 API 兼容性,而是在代码评审中更多地去思考架构。
指向原始笔记的链接
Instead of you worrying about the optimization of the performance and the API compatibility, you’re going to be thinking more about architecture in your code reviews.
—— Will Bond · [14:19]
而且实际上,这种特异性——能够精确调整你正在审查的内容——在你走向工厂的过程中变得越来越重要,因为说真的,工厂将要产出的量,你必须让人类退出代码审查的循环。
指向原始笔记的链接
And in fact, this specificity, you know, being able to tune exactly what you’re reviewing becomes increasingly important as you move towards factory because really the volume a factory is going to put out, you have to get humans out of the loop for code review.
—— Drew · [20:02]
当我们做基准测试时,它们在代码评审上是超越人类的。
指向原始笔记的链接
When we benchmark them, it’s like they’re superhuman in code review.
—— Tibo Sottiaux · [47:53]
完全相同的问题,如果所有的代码审查智能体都以同样的方式带有偏见,它们就会漏掉完全同一类 bug,那我们就全完了。
指向原始笔记的链接
Same exact issue, if all the code review agents are biased in the same way, they will miss exactly the same class of bugs and then we’re all sunk.
—— Chris Potts · [55:13]
我学到的教训是:攻击会组合,而代码审查不会,因为我们开发者一次只看一个 diff,但攻击者看的是整个系统,他们会寻找那两个握手并打开一扇门的东西。
指向原始笔记的链接
So the lesson I learned was that attacks compose, code review doesn’t, because us developers all look at diffs one at a time, but attackers look at the whole system and they look for those two things that shake hands and open a door.
—— Sarah Sanders · [08:10]
我认为代码审查变成了一种风险管理练习。
指向原始笔记的链接
I think code review becomes an exercise in risk management.
—— Zach Lloyd · [17:04]
我会让一个智能体先做代码审查,然后随着时间推移,这变成一种风险管理练习,比如,什么时候引入人类来做代码审查?
指向原始笔记的链接
I would have an agent do code review first, and then it becomes, over time, like a risk management exercise of, like, when do you bring in humans to do code review?
—— Zach Lloyd · [11:14]
举例来说,我们发现你在代码审查上用 GPT 5.2 可以达到和最新 Opus 模型相同的性能,但价格只有一半。
指向原始笔记的链接
We found, for instance, that you can achieve the same performance on code review with GPT 5.2 as with the latest Opus models, but at half the price.
—— Davis Palmie · [08:25]
② 出现在这些集
24 集
- 《TESL 智能体:让你的编码智能体自己越用越好》 — 作为概念
- 《把系统提示词删掉八成:Anthropic 团队这样用 Claude 自己造 Claude》 — 作为概念
- 《用 AI 对抗 AI:一种不用读代码的编程语言 BAML》 — 作为概念
- 《Datadog 4000 人AI赋能实战:删掉上下文反而更好》 — 作为概念
- 《Circleback 创始人 Ali:把公司记忆和运营流程全部交给智能体》 — 作为概念
- 《OpenClaw 创始人复盘:被 18,000 人狂改、被舆论压垮,我学到了什么》 — 作为概念
- 《从传统科技公司到 AI 原生:Maven Clinic 的转型实录》 — 作为概念
- 《最后一次人类代码审查:靠“上下文”而不是更好的模型》 — 作为概念
- 《AI 时代,工程师的判断力与品味如何修炼》 — 作为概念(提及)
- 《Instagram 联合创始人聊 AI 时代怎么「不合常理」地写代码》 — 作为概念
- 《Uber 用 AI 给 AI 评审代码:每周 2.5 万条评论是这样炼成的》 — 作为概念
- 《token 不是越省越好:用「可信吞吐量」优化 AI 开发的真 ROI》 — 作为概念
- 《从技能到循环再到工厂:软件工厂实战路线图》 — 作为概念
- 《Codex 负责人亲述:OpenAI 内部如何造编程智能体》 — 作为概念
- 《鼠标力:为智能体时代找回「马力」这把尺子》 — 作为概念
- 《Warp CEO 的软件工厂:2000 个 PR 一个月,人成了瓶颈》 — 作为概念
- 《软件工厂的教训:不读代码的四五个月后,我们重写了整个产品》 — 作为概念
- 《AI 生成的代码到底行不行:百万 PR 数据给出的答案》 — 作为概念
- 《软件工程正在变成「工厂工程」:Warp 创始人的自动化开发全景》 — 作为概念
- 《AI 写代码翻倍之后:Honeycomb 的审查、信任与主人翁意识》 — 作为概念
- 《「上下文工程」之父 Dex Horthy:智能体编程的真相与工作流》 — 作为概念
- 《代码评审未死:人类从引擎变飞行员》 — 作为概念
- 《给代码智能体装上搜索:EXA 的实战方法》 — 作为概念
- 《VS Code 团队如何靠 AI 把月更改成周更》 — 作为概念
③ 关联
点进去有真内容 —— 本页主要出口
智能体 · Claude Code · Claude · Anthropic · Codex · GitHub · 评估 · CI-CD · Cursor · 可观测性
