Addy Osmani 谈 Agent 时代代码审查的重构：从逐行阅读转向验证系统

Addy Osmani 谈 Agent 时代代码审查的重构

Claude 编写了 Claude Code 约 90% 的代码，而在 6 月到 9 月间，团队合并的 PR 数量翻倍以上，回滚率反而下降了超过 40%，怎么做到的呢？

Osmani 认为：当 AI 生成代码的速度远超人类审查能力时，瓶颈从 “写代码”，转向了 “证明它能正常工作”。解决方法不再是让更多人逐行审代码，是构建一套多层的、快速确定性反馈的验证系统；正是这套系统让“90% AI 编写”从风险变成了优势。

几点关键做法

审查的重新定义。 审查的目的从“是否有人读过这段代码”变为“这个变更可能出什么问题，该由哪一层检查来抓”。审查不再是合并前的终点关卡，更像拼写检查；大多数变更在被人类看到之前，已经被 AI 审查并修复过至少一轮。

具体的分层流水线：
· PR 之前：Claude 运行测试、构建、linter，必须展示真实输出而非口头声称完成；另有一个全新上下文的 subagent 独立审查 diff。
· PR 上：必需 CI 阻塞合并；多个 AI 审查 agent 并行找 bug，由“验证者”投票过滤误报（内部 PR 获得实质性审查评论的比例从 16% 升至 54%）；独立的安全审查流程。
· 风险分级审批：由分类器（而非作者本人）判定风险等级；低风险（文档、flag 后的增量改动）零人工，中风险一人，高风险（计费、自动更新等敏感路径）两人。AI 的审批永远不能占用人工名额。
· 合并之后：flag 灰度内部先行，出问题可不部署直接关闭；每周 on-call，事故复盘追问“哪一层本应拦住它”。

两个特别值得注意的工程细节：
1. 事故转化为 eval。收集历史上导致事故的 PR 作为每日评测集，AI 审查器的任何改动（提示词、工具、模型）都要在这个集合上跑分，分数不升就放弃。这把“审查质量”从主观感受变成了可度量的回归测试。
2. 强制审查收敛。一个 PR 曾一夜被 AI 审查了五十多轮；团队发现 59% 被反复标记的是早已存在的旧代码，于是设定三轮封顶、只审新增 diff 等规则。效果是一轮通过的 PR 从 65% 升至 78%。

人的角色如何变化
人类保留的决策是：做不做这个功能（方向与品味）、高风险代码的审批、会成为他人模板的架构决策、以及对证据的阅读和最终问责；"you land it, you own it"。工程师的工作从逐行阅读，转向评估风险、评估证据、决定方向。

Osmani 结语这句话我自己很喜欢，分享给大家
Let the agents do what they do best and let you focus on what makes you irreplaceable: judgement, direction, and ownership.