AI 写的代码怎么审核?从提交到上线的四道关
date
Nov 18, 2026
status
Published
slug
reviewing-ai-generated-code
tags
AI
实践
summary
从 Claude Code 团队的实践出发,拆解 AI 代码从验收、审查到合并、灰度与回滚的四道关,附一张小团队可直接用的 PR 模板。
type
Post
URL
AI 写代码越快,团队越容易卡在同一个地方:改动已经写完了,但谁能说明它真的解决了问题?两份改动各自通过测试,合在一起还会通过吗?如果上线后出错,谁发现、谁处理、怎么恢复?
这期中文视频把审核放回了完整的发布流程。它解读的 Claude Code 团队工程文章披露,2026 年 6 月到 9 月,他们合并的 PR 数量翻了一倍多,需要撤回的比例下降了 40% 以上。这是团队自报的同期变化,不能把降幅单独归功于 AI 审查。更值得借鉴的是,他们把不同的问题交给不同的环节去发现。
一、提 PR 前:让写代码的 Agent 交出验收证据
任务一开始就写清怎么验收。比如“修复导出失败”太笼统,可以改成:用有数据和无数据的样例各导出一次,打开下载文件,核对内容;失败时应有提示,且不能留下半成品。让 Agent 报告跑了什么、实际看到了什么、哪些没测。接口返回 200,只能证明请求成功返回,不能证明下载文件能打开、内容也正确。
再开一个新会话,让另一个 Agent 只看需求、代码差异和相关文件。让它找具体问题,给出文件、位置、触发条件和受影响的行为。新会话能少受原实现解释的影响,但两次 AI 检查仍可能漏掉同一个问题。
二、PR 中:自动检查守底线,人按风险审核
CI 负责每次都能重复执行的检查,例如构建、类型检查、单元测试和关键链路回归。AI 审查适合发现测试没覆盖的行为差异;安全审查单独跑。发现的问题要修掉,或留下关闭理由。可以把反复出现、能明确判断的问题变成测试或规则;如果两三轮仍围绕同一个问题打转,就请人判断要不要换方案。
审核深度按改动的影响定。改文案和改权限、计费、数据库迁移,显然不能走同一套审批。小团队起步时可以先规定:普通改动由负责人看验收证据;涉及权限、资金、数据迁移或发布链路的改动,找另一位了解该模块的人复核。需要人工签字的地方,AI 不能代签。
三、合并时:在真正要进入主干的组合上再测一次
假设一份 PR 改导出接口,另一份改前端调用。在各自分支上,两份测试都可能是绿的,但同时进主干就不一定。并行开发多时,用合并队列对待合入状态重跑关键检查;暂时没有队列,至少在合并前基于最新主干重跑。审批也要对应实际要合的提交,后续关键改动不能沿用旧审批。
四、上线后:小范围放量,并提前写好怎么退
有条件就先给内部用户或小范围用户开放。上线前约定要看哪些信号,例如导出成功率、错误率和耗时,谁来盯、何时停止放量。功能开关可以停掉新入口,但撤不回已写入的数据。涉及数据迁移或外部操作,要单独设计恢复或补偿流程,不能把“回退代码”写成万能方案。
出了事故,把触发条件补成回归用例,再检查当时是哪一关没拦住。衡量审核有没有改进,可以一起看人工复核耗时、上线后的撤回率和事故率。省下的审核时间如果全花在修线上问题上,流程并没有变轻。
小团队可以从一张 PR 模板开始
- 改了什么? 写两句话:原来的问题、改完应看到的行为。
- 怎么证明? 放测试命令、运行结果或截图,补一句没验证什么。
- 坏了会影响谁? 写明范围,指定复核人和上线后负责人。
- 怎么停、怎么退? 写出动作,并注明哪些副作用回退代码也消不掉。
先在一个仓库试两周。保留能拦住真实问题的检查,把只会制造噪声的规则改掉。人最该盯住的是这几个判断:需求值不值得做、证据够不够、上线风险能不能承担。