← 全部文章
智能体周刊2026 年第 47 期

2026-W47 周刊:产出提速之后,评审环节怎么扩容

本周智能体生态聚焦:评审排队这件事,今年从个人抱怨变成了公共话题。Harvard 那边有研究直接说瓶颈挪到了 code review 上,HN 上几百票——说明大家不是在争要不要评审,是排不过来。我的判断:分级评审该做,但别把评审当成纯过滤环节,它同时是标准传递的场合,砍太狠要还债。 Harvard 那篇只是把体感写成了结论 [Harvard researchers find AI coding agents shifted the bottleneck to code re

YGG 智能体周刊7 分钟阅读#weekly#agent#engineering#2026

评审排队这件事,今年从个人抱怨变成了公共话题。Harvard 那边有研究直接说瓶颈挪到了 code review 上,HN 上几百票——说明大家不是在争要不要评审,是排不过来。我的判断:分级评审该做,但别把评审当成纯过滤环节,它同时是标准传递的场合,砍太狠要还债。

Harvard 那篇只是把体感写成了结论

Harvard researchers find AI coding agents shifted the bottleneck to code review。我还没读全文,只看了报道和讨论串,所以对它的样本和方法不下判断。但它描述的现象跟我们这边对得上:agent 一天能开出一堆 PR,人一天能认真读完的就那么几个。差额不会消失,它变成队列。

有意思的是 HN 讨论里很少有人提“让 agent 自己评审”。原因大概都懂——同一个模型写、同一个模型审,等于自己给自己判卷。真要用,也只能当第一道筛子,不能当结论。

分级评审的重点不在分级,在标准谁定

分级本身不新鲜,很多团队早就按“动没动数据库”分。难的是这张表谁写、写完谁维护。

我的做法是按“错了以后多难查”排,不按代码行数。动钱、动权限、动对外契约、动数据迁移的一档,必须人看,而且得是能承担后果的那个人;纯内部重构、加日志、改文案一档,CI 绿了就合;中间那档最麻烦,得有人拍板。

这里有个坑:分级表写太细,人就照着表走、不动脑;写太粗,等于没分。我倾向只留三档以内,末尾加一句让评审者自己判断——“这个改动出事,我能不能快速定位”。

自动检查挡得住模式,挡不住意图

这周 StarSling 那个 Launch HN 挺有意思,定位就是给“agent 产出量大的 repo”做 CI。方向对:agent 写的代码有很强的模式性,缺测试、边界没处理、异常吞掉,这些规则和测试都能抓。OpenAI 推的 Codex Security Plugin 思路一样,把已知的安全模式做成检查项。

但 SoK 那篇讲 LLM 在漏洞研究里的进展提醒了一件事:各家声称的能力散在论文、厂商报告和披露里,口径不一,本身很难横向比较。也就是说自动检查的输出不是“结论”,是“待核实的信号”。安全类尤其如此——agent 说这里有问题,人还得判断它是真问题,还是没读懂上下文。

自动检查挡得住“和已知模式一样错”,挡不住“这个需求本来就理解错了”。后者才是 agent 最容易犯、也最贵的错。

抽样省下的时间,会从别的地方还回去

抽样评审听着划算,代价是漏掉的那部分没人知道漏了什么。随机抽样长期看还行,但现实里抽样往往退化成“抽好读的”——长 PR、跨模块 PR 被跳过的概率更高,而这些恰恰风险最大。

批量评审的问题是上下文切换。一次看八个 PR,注意力平摊,最后变成看标题点通过。我不觉得批量一定不行,但它需要更强的前置筛选,否则就是走形式。

评审还在传东西,这块别一起砍

这条反面我得认真写。评审不只是把关,它还是新人学“我们这里为什么这么写”的主要场合。很多约定俗成的做法——为什么这个模块不这么拆、为什么这个接口不能改——没有文档,只活在评审评论里。

全自动化或大幅抽样,最直接的后果不是 bug 变多,是半年后没人说得清某条规则为什么存在。ROGUE-AI 那篇讲 agent 事故的复现和根因,Replit 那个 coding agent 删生产库的事被反复引用。这类复盘里最有价值的部分,往往是“当时谁看过、为什么放行”——评审被抽掉,这段就断了。

所以我倾向于:低风险改动放开自动合并,但保留一部分“必须有人读”的改动,哪怕它风险不高,纯粹为了让标准继续流动。新人 PR、跨模块改动、第一次碰某个目录的改动,都算。

我现在会怎么调

先量,不要先改流程。拉一下 PR 从 ready 到第一次有人回的时间分布,再拉一下 review 评论的分布——是集中在少数人身上还是均匀的。这两个数出来,瓶颈在哪一目了然,比看行业报告准。

然后三件事:分级表压到三档以内并指定每档的最终责任人;把自动检查的失败信息改成“人可以直接判断”的形式,别让人再去翻日志;给评审留固定时间块,别让它和写代码抢同一段注意力。

最后一句不确定的:这套东西半年后大概还要再改。agent 产出还在涨,评审的扩容不是一次调完的事。

延伸阅读

编辑说明

本文由 YGG 臻星科技团队整理,聚合 ArXiv、HackerNews 与公开厂商博客,人工审稿。