阅读研究雷达投资体系
登录 / 注册
← 返回阅读
资讯实质变化3 分钟阅读DisconfirmAI 编辑部

AI 代理的范围蔓延:CodeRabbit 创始人 Harjot Gill 与 OpenCode 的 Ryan Vogel 谈代码取舍为何比生成更难

当 AI 一天产出两百个 PR,即便都经过审查,变更是否必要仍是开放问题。Gill 和 Vogel 解释范围蔓延如何发生、参照点如何对抗它,以及这套方法在什么条件下有效。

2026-11-17 04:00

当 AI 代理能一天产出两百个 PR,或者一次性堆出六百个待审变更时,工程团队面对的核心问题不再是代码有没有 bug,而是这个变更到底该不该存在。CodeRabbit 创始人 Harjot Gill 和 OpenCode 维护者 Ryan Vogel 在 The Merge 播客中讨论了这个问题,他们的共识是:AI 写代码本身有用,但决定合并什么、退回什么、丢弃什么才是更难的部分。

这个判断难题有一个容易被忽略的起点:问题在代码存在之前就已经形成。Vogel 举了一个厨房待办应用的例子——把任务交给代理,它会先加数据库,再加缓存层,再加更多基础设施。每一步单独看都不算错,但应用最终远比一个待办清单所需的复杂度更高。Vogel 指出,如果没有一个外部参照点,每个决定都会为下一个决定提供理由,项目可以在每一步都看起来有产出的情况下偏离方向。

对抗这种蔓延,Vogel 和 Gill 各从不同阶段入手。Vogel 的做法是让代理先输出架构方案,由人来挑战其中不需要的部分;同时运行一个独立的代理,将中间产出与原始需求方向做比对。Gill 从 CodeRabbit 的实践出发,补充了另一个维度:审查不应只看 diff,而应按变更被构建的顺序来读。CodeRabbit 把审查分为三层——底层是数据和模式变更,中间是函数、业务逻辑和 API 路由,顶层是界面及其测试。模式变更解释了 API 为何行为不同,API 变更解释了界面现在需要处理什么。按这个顺序审查,人检查的是连接各部分的假设,而不是从文件名去猜测。

但光有顺序还不够,还需要证据。Gill 提到 CodeRabbit 早期遇到的幻觉问题:模型被强制给出答案时就会编造一个。团队的解决办法是给模型一个转义舱——信息不足时,它可以提问、继续调查,或者写一个脚本验证自己的假设。幻觉率因此下降。在审查环节,同样的纪律意味着把一个疑似 bug 当作需要测试的东西,而不是直接变成一条要求开发者处理的评论。接收审查意见的人可以查看结论是怎么得出的、运行那个检查、质疑它的假设。脚本本身也可能出错或不完整,但它的价值在于让结论的一部分变得可验证。

这套方法有一个明确的适用边界。Gill 指出,代理最适合有清晰完成条件的任务,比如把一个已能运行的集成适配到另一个平台——因为代理和审查者都有具体结果可以检查。开放式设计工作则需要更频繁的人为决策,因为期望的结果在代理运行时还在成形。换句话说,参照点有效的前提是你已经知道要去哪里;如果目的地本身还在变,参照点就失去了锚定作用。

最后,Gill 和 Vogel 都强调了交接问题。代理到开发者的交接占了大部分注意力,但人与人之间的交接同样重要。代码本身不显示为什么选了某个方案、试过什么又放弃了、哪些选择是刻意的而哪些只是默认值。Vogel 的团队会分享变更背后的完整会话,让审查代码的同事也能看到提示词和产生它的决策。Gill 提到 CodeRabbit 的协作记忆,让一个开发者的审查反馈影响后续审查。两种方式都让下一个人看到尝试过什么、还需要验证什么。不是每个变更都值得同样的审查力度——一个几分钟后就能回滚的小界面改动,和一条很多人依赖的成熟代码路径上的变更,后果完全不同,审查投入应该反映这个差异。

来源

  • coderabbit.aiCodeRabbit
登录 / 注册
阅读研究雷达投资体系
↗
带入研究 →