AI 代码审查

所属领域：AI 模型与 Agent。来源：📥 主动分享 3 份（TARS 制作的二手总结 PPT；poteto 演讲摘要中的相关部分；@mylifcc 的 Rust 线程中关于测试优先的部分）。相关：Claude Code、lauren (@poteto)、Agent 工程与编程 Agent、Claude；资料页 AI 时代的代码审查：Claude Code 团队实践解读（PPT）、AI 生成 Rust 现状：30% vs 90%+，Signature-first / Test-first（@mylifcc 线程，RustChinaConf 2026）；Rust 与系统软件。

要点

• Claude Code 团队代码审查实践（TARS 解读 PPT）：多层自动审查 + 按风险分级的人工审批 + 快速回滚，6–9 月合并 PR 翻倍、回滚占比降 40%+ 本地导入 原帖
• Rust 场景的"测试优先"：预先写好单元测试，让 Agent 借编译器报错自修复，帖称可用率突破 90%（@mylifcc 转述 RustChinaConf 2026 演讲，待核实）本地导入 原帖

细节（据 PPT，二手总结；与原文核对见资料页）

• 审查的问题从"有人读过代码吗"变为"这个改动可能出什么错、由哪道检查来抓最合适"，审查像拼写检查一样持续进行 本地导入。
• 目标：多数 PR 至多一人参与且回滚/事故不增加；以每 PR 人工批准数、人工评论数、等待时长衡量，回滚率与事故率为护栏 本地导入。
• 风险分级：文档/文案/开关后改动免人工批准；普通改动和敏感区域 1 人；最高风险 2 人；等级由改动而非作者决定，机器人批准不能替代人 本地导入。
• AI 审查：多代理并行找 bug + 另一组投票去噪，标注 Important / Nit / Pre-existing；有实质评论的内部 PR 占比 16% → 54% 本地导入。
• 收敛：3 轮上限、只审新 diff、按 bug 类别修、不重复发现；起因是一个 PR 一夜 50+ 轮、反复标记的问题 59% 属于旧代码 本地导入。
• 人保留的五类决策：方向与取舍、高风险代码、会被复制的架构、读证据、为结果负责 本地导入。
• 规模背景：monorepo 每日落地改动 5 月约 2,500 → 30,000+，Anthropic 为此 5 个月内从 git 迁到自研 Scion，并自研审查界面 Antique 本地导入。

📥 相关：poteto 演讲（TARS 二手摘要）

• 演讲给出的纠错优先级把"rules 或 Bugbot"排第 3，前面是改代码库和 lint/编译器/CI，最弱的是风格指南（"Agent 会无视，人还得逐行审"）；失败模式之一是"只靠风格指南：审查环节出现大漏洞" 本地导入。详见 lauren (@poteto)：here's how i shipped 2,500 PRs last month to production（38 分钟演讲视频帖）。
• 和本页 Claude Code PPT 的"开 PR 前自证"相似，演讲也主张让 Agent 用 trace 和截图证明改动生效（Control Glass）本地导入。这只是两份资料说法的并列。

与书签/点赞的关联

• Agent 工程与编程 Agent 中的 Harness²、AGENTS.md/skills 调优、软件工厂等书签，与 PPT 中"用 CLAUDE.md/REVIEW.md/skills 修正审查器"的思路相近（均为各自来源的说法）。

来源