资料来源:Addy Osmani《Agentic Code Review》:https://addyosmani.com/blog/agentic-code-review/
你用 Claude Code 或 Codex 写代码,Agent 几分钟能吐一千行格式工整的 diff。你读这段开头,可能还没读完。
以前 Review 能跟上,是因为读比写快。 资深工程师扫一眼 junior 的 PR,顺手就把系统脉络吸收了。没人专门设计过这套流程——写代码慢、读代码快,Review 自然跟得上。
这个前提塌了。Agent 写代码的速度按月涨,人眼读代码的速度还是老样子。瓶颈往下游挪:你怎么确认这坨改动值得信。
这篇我们不写「AI 会不会取代程序员」那种空辩论。写我们关心的:对于我们这种用 Cursor / Claude Code / Codex 写代码的人,2026 年 Review 到底该怎么搞。
一、数据不骗人:产出涨了,账单在 Review 环节付
几份互不隶属的 2025–2026 年报告,结论出奇一致。
Faros AI 用 2.2 万名开发者、4000 个团队做了前后对比(2026 年 3 月报告)。AI 用深了以后:任务吞吐涨约 34%,PR 合并率也涨。但与此同时——
- 代码搅动率(churn,删改行相对新增行的比例)涨约 861%
- 每个 PR 关联事故涨约 243%
- 开发者缺陷率从约 9% 涨到约 54%
- 中位 Review 时长涨约 442%
- 零 Review 就合并的 PR 涨约 31%
最后一项最扎心:没人决定不 Review。是量太大,Reviewer 跟不上了,未读合并变成了常态。成熟工程团队也一样中招。
GitClear 还有一组更直观的对比:每天用 AI 的开发者,产出约 4 倍代码,但对比自己一年前的真实交付,生产力只涨约 12%。四倍代码、一成多价值——中间那坨 gap,就是 Review 和返工。
CodeRabbit 2025 年 12 月测了 470 个开源 PR,AI 合著的改动问题数约是人写的 1.7 倍,逻辑错误、安全问题、可读性问题都更高。
说白了:我们把机器速度的输出,灌进了为人眼速度设计的流水线。 瓶颈没消失,挪到了「验证」这一步。
(Faros、CodeRabbit 都卖相关工具,数字要带批判性读。但效应量这么大,多家数据源同向,很难全当噪音。)
二、先搞清楚:你在光谱的哪一端?
几乎所有惊悚数据,都来自企业遥测(telemetry)或被 PR 淹没的开源维护者。如果你是一个人写 side 项目、没几个用户,很多数字今天跟你无关——别被吓住动弹不得,也别拿企业标准绑架自己。
Addy 用三个变量定位你:
| 变量 | 一端 | 另一端 |
|---|---|---|
| 爆炸半径(blast radius) | 挂了没人疼 | 用户、钱、个人敏感信息全在线上 |
| 代码寿命 | 下周可能重写 | 维护十年 |
| 谁要懂这套代码 | 只有你 | 整个团队要接力 |
同一坨 diff,跑过这三条,「好的 Review」含义完全不同。
solo + 无用户:Review 的「知识分发」职能不存在,你就是团队。测试和自动化可以扛大头,Review 轻一点合理——前提是测试是真的。没安全网就跳过 Review,只是把债往后挪,利息更高。
有用户了的中段:最危险。Bug 开始伤人,新人要接手,但你还留着 solo 时代的习惯。等 Faros 那套数字变成你自己的看板,往往已经吃过亏。
大团队 + 老系统 + 多用户:上文每个惊悚数字都满额生效。没人读懂的改动,就是某个人的值班事故。
所以重点不是「企业要谨慎、个人可以躺」。是 Review 的目的随位置变,规则也得变。把企业的多 Agent 证据链硬套两人原型,纯添摩擦;在支付系统上搞「测试绿了就行」,等于造事故生成器。
三、Review 变难的核心:你得替 Agent 补「意图」
人写代码时,意图在作者脑子里,Review 是查推理。Agent 也会推理——思考链、权衡选项——但 diff 生成完,推理通常就扔了。PR 上很少附「我为什么这么改、排除了什么」。
结果 Review 从「核对眼前推理」变成「重建从没写下来的意图」。有开发者说:审 Agent 的 PR,自己是第一个真正看过这段代码的人。Review 流程本来就不是为「恢复缺失意图」设计的。
好消息:缺失的意图可以补回来。让 Agent 在提 PR 前写清:要干什么、排除了什么、决策日志附上。这是工具问题,工具能解决。
但这不等于「让 AI Review AI」就完事。第二个模型、不同先验,确实能抓到真 bug,该跑就跑。它给不了的是:这改动该不该做——产品判断、业务取舍,还是人的活。
四、AI Review 工具:别选「最好的」,选「不一样的」
CodeRabbit、Greptile、Cursor BugBot、Sentry Seer、Anthropic Code Review……专用 Review 工具已经能打了。Anthropic 内部数据:工程师标记为错误的 finding 不到 1%;收到实质性 Review 的 PR 比例从约 16% 提到约 54%。
更有意思的是一份独立实测(DEV Community,2026):四个 Reviewer 并行跑 146 个 PR、679 条 finding——
- 93.4% 的问题只被某一个工具抓到
- 四个工具从未在同一代码行上同时报警
Greptile 偏架构和跨文件逻辑,CodeRabbit 网撒得宽还带一键修复,Seer 吃生产环境历史,BugBot 在 Cursor 里挖深坑。四个同质模型 = 一个 Reviewer 四张发票;四个性格不同的 Reviewer 才能凑出没人单独能覆盖的盲区。
我的做法(和 Addy 开源项目里一样):
- 高风险路径:叠两个刻意不同的 AI Reviewer
- solo side 项目:一个靠谱 Reviewer + 真测试就够
- 别信厂商基准测试就下单——在你自己的代码上量
五、人在环内 → 人在环上(Human on the loop)
这个问题现在工程师圈里很真:能不能让机器多 Review、人少读行?
可以,而且机器已经在读了——零 Review 合并涨 31%,Review 时长涨三位数。问题不是「要不要让 AI Review」,是你有没有刻意设计这件事。
这和之前写的《Loop Engineering》直接咬合:Loop 里有个 Judge(裁判)角色,决定活干完没有。Reviewer 正在被设计进内环自动化。写代码自动化了一年,检查也在自动化,人不断被往上推。
我现在的落点:
- 人读每一行——那套结束了
- 写、审、判全是一家模型闭环自嗨——相关盲区会一起漏
- Human on the loop(人在环上):抽样、抽检、审计系统;注意力花在「错了会疼」的地方
我自己维护开源项目时,会把一批 incoming PR 丢给 Claude Code 或 Codex 做首轮分诊:哪些看起来能快合、哪些高风险。我不自动合并,也不偷懒全信它的「OK」。它帮我分配注意力——低风险花几分钟确认,高风险留足时间细读。
极端案例:前 Meta L8 Kun Chen 自述一天约 40 个 PR,基本上不逐行 Review——但他把意图写进超长 Plan,Agent 跑几小时,还有叫「No Mistakes」的自动门禁,卡住才升级给人。他是 solo、计划质量极高、爆炸半径可控。把这套抄到十人支付团队,你会在自己的看板上复现 Faros 曲线。
六、5 条能立刻用的 Review 规则
Addy 文末给了一套分层做法。我按「先便宜后昂贵」排了优先级:
1、按风险分层,不按作者分层
改配置:linter + 扫一眼。动核心交易路径:类型检查、测试、两个不同 AI Reviewer、懂这块的人类 Owner、安全扫一遍。别在样板代码上重型 Review,也别因为测试绿了就让大改动溜走。
2、提 PR 前先交证据
拒绝审「三无」改动:改动目的、可读的 diff(别 3500 行无注释)、测试输出、证明跑过。把意图重建的成本推回提交方,别全靠自己扛。
3、故意保持 PR 小
Faros:Agent PR 平均大约大 51%。大块读不完的 diff 要么被拒,要么被橡皮图章式通过。给 Agent 下指令:小步提交。能让人读完的 diff,现在是设计约束,不是礼貌。
4、测试改动比业务代码更仔细读
Agent 经典翻车:改坏行为 → 改断言让测试变绿。两百个测试全绿,不代表断言改对了。大量改测试的 diff,先读测试。变异测试(mutation testing,故意改代码看测试能不能抓)在这里值回票价。
5、合并按钮必须有人类负责
模型不能被值班叫醒,也不能为上线背锅。谁点合并,谁拥有它。AI Review 是传感器,不是判决。它用平静自信的语气说「looks good」,不等于挣到了你的信任。
solo 无用户:上面 1、4、5 + 严格 CI 就够用。大组织:全套 baseline,分诊 + 提 PR 门槛决定 Review 流程会不会静悄悄崩掉。
七、我的判断
写代码越来越便宜,理解还是原来的价。
未来两三年跑赢的,不是生成代码最多的团队,是建了一套自己敢信的 Review 系统的团队——并且从不说「测试过了」就等于「有人懂这在干什么」。
Simon Willison 有句话我反复引用:你的工作是交付你已经证明能跑的代码。 Agent 没改这条。它把「证明」从副业变成了主业。我觉得这笔交易划算——足够理解一个系统、敢站出来说我负责,从来都是软件里最耐用、也最有意思的技能。只是现在,它终于成了舞台正中央。
如果你已经在用 Loop 让 Agent 自动写、自动验,下一步就该把 Review 分层和 Judge 角色写进 Loop 设计里。别自动化了一半,剩一半靠内疚感逼自己逐行读。
参考链接
- Addy Osmani — Agentic Code Review:https://addyosmani.com/blog/agentic-code-review/
- Faros AI — The Acceleration Whiplash(2026 报告):https://www.faros.ai/blog/ai-acceleration-whiplash-takeaways
- DEV Community — 四款 AI Reviewer 并行实测(146 PRs):https://dev.to/_vjk/best-ai-code-reviewer-in-2026-we-ran-4-in-parallel-for-3-weeks-146-prs-679-findings-1c0f
- Simon Willison — Your job is to deliver code you have proven to work:https://simonwillison.net/2025/Dec/18/code-proven-to-work/