Code review (as we know it) needs to die
a day ago
- AI驱动的开发正在打破传统的代码审查：更快的代码生成速度受限于缓慢的人工审查。
- 异步的基于差异的代码审查（约有20年历史）在写代码成本低而审查成本高的时代已经失效。
- 差异缺乏上下文，要求审查者重构意图和设计，增加了高昂的开销。
- 所有变更无论风险大小都受到同等审查，浪费了低风险变更上的注意力，而对高风险变更审查不足。
- 代码审查的核心任务——缺陷检测、可维护性、知识共享、控制以及规范执行——仍然至关重要，但必须进行解耦。
- 缺陷检测转向自动化检查、独立的AI审查以及对产品（而非仅代码）的人工验证。
- 知识共享上移：审查聚焦于意图和设计，而代码理解变为通过AI驱动的拉取式。
- 规范执行转移到规范和自动化工具中，而不是在差异上评论。
- 控制仍然作为合并门控：人类根据更高级别的审查批准变更，信任代理和自动化验证。
- 新流程：在代码之前对齐设计，将变更与上下文一并呈现，运行对抗性AI审查，展示证据，按风险路由，并通过系统防护来吸收错误。
- 诸如Linear Diffs、Meta RADAR和Uber's Code Inbox等示例展示了这一新方法在实际中的组成部分。
- 代价包括对单个变更的审查减少以及会发布一些缺陷，但赢家接受这一点并构建有弹性的系统。
- 最终，围绕AI重新设计审查加快了速度，让工程师专注于创造性、高杠杆的工作。