大型开源项目的开发速度瓶颈从来不是代码生成,而是代码审查。Linux内核每年落地超过85,000个变更,维护者每天要手工阅读数百个补丁,检查内存泄漏、死锁、竞态条件和安全漏洞。当AI编码代理让补丁产出速度成倍增长时,如果没有建立信任的机制,更多生成的代码只会堆在同样一小群人类维护者面前。
Google AI与基础设施团队的Roman Gushchin和Eric Brewer在2026年11月发布的博文中,详细解释了Sashiko——一个由Gemini驱动的开源代理式代码审查系统——的架构设计和生产数据。这个系统今年早些时候已捐赠给Linux基金会,命名取自日语刺し子,一种加固磨损布料的缝补技法。
Sashiko的架构设计直接回应了LLM作为审查者的三个特定失败模式。第一,LLM倾向于省token:它们被训练为在有限预算内达成目标,因此经常草率地排除疑虑而不做充分调查,或者不做尽职调查就标记误报。第二,LLM容易被偏置:当前一代模型在处理单一相对简单的任务时表现远好于处理多个复杂任务,一个LLM发现代码中某个明显问题后往往拒绝继续深挖其他类型的问题。第三,LLM没有持久记忆——这在代码审查中反而是优势,因为同一个补丁可以像新补丁一样被反复审查。
应对这些失败模式的核心设计决策是:将发现候选缺陷与验证缺陷严格分离,并要求每个审查阶段记录它排除了什么。具体流程分五步:收集上下文并规划、并行专家会话(输出疑虑列表和已排除的候选项)、分诊、逐问题深度核查、生成审查报告。
并行专家会话最多七路同时运行,每路只聚焦一类问题:提交意图、实现匹配、控制流、资源生命周期、锁、安全、硬件。给每路单一焦点是为了防止一种类型的bug挤掉另一种。每路平均调用约100次git工具搜索和阅读仓库,输出两个列表:它认为真实存在的疑虑,以及它调查后排除的候选项及其代码依据。
分诊阶段由一个主导验证者同时审计这两个列表。代码已经直接证明的明确缺陷直接通过;本地检查已证明的排除项直接丢弃。其余所有情况都需要进一步调查——关键在于,这不仅包括专家之间有分歧的争议缺陷,还包括不稳定的自我排除:即某路专家确实发现了真实缺陷,但仅凭假设某个未见的调用者或锁会阻止它,就在没有证据的情况下把它排除了。
逐问题深度核查阶段给每个困难案例分配独立的验证代理并行运行,而非在一个共享提示中检查所有困难案例。每个代理只回答一个具体问题,遵守对称规则:无论是缺陷声称还是排除,没有跨所有调用点的具体代码证据就不被接受。如果某路专家基于错误假设说服自己排除了一个真实缺陷,这一步会把它抓回来提升为真实发现。
七个月的生产数据支持了这套架构的有效性。Sashiko每天在超过100个内核邮件列表上完成约1200次审查,超过70个列表的维护者已选择加入。它被引用在2,000多个主线内核提交和2026年500多个官方Linux内核CVE中。
最直接的量化证据是修复率变化:在Sashiko部署前的18个内核版本(Linux 6.2到6.19,覆盖254,000个提交)中,平均3.4%的合并提交在60天内需要后续修复。Sashiko上线后,Linux 7.1降至2.8%,Linux 7.2降至2.2%——相对下降约35%。更精细的信号是:在21,500个被追踪的主线提交中,通过Sashiko清洁审查的补丁60天内需要修复的比例仅为0.9%,不到历史基线的三分之一;而带着Sashiko严重警告仍被合并的补丁需要修复的比例为7.6%,风险高出8倍。
作者承认,仅凭修复率下降不能把功劳全部归于Sashiko,许多其他因素可能影响版本间数字。但清洁审查与严重警告之间8倍的修复率差距,说明Sashiko的信号确实有区分度。
在方法论层面,作者强调基准驱动开发胜过直觉:早期他们构建了包含近1,000个真实Linux内核缺陷的基准,每个都是通过了人类专家审查、合并进主线、后来不得不修复的真实错误。用这个基准评估每一次重大改动后,Sashiko配合Gemini 4 Carbon模型在高思考级别下能捕获人类审查者遗漏的75.8%的缺陷。这是第一方基准,由项目团队自己构建和运行。
另一个值得注意的经验是:编码代理并不擅长审查自己的代码。模型被训练为在有限token预算内产出可工作的方案,但对于真实的大型代码库,创建一个功能正确的方案往往只是5-10%的工作量。真正困难的是产出始终正确、与周围代码良好集成、不引入微妙回归的方案。这与人类开发者类似——审查者经常发现初始作者遗漏的问题,即使他们并不更有经验。
Sashiko的架构模式——将发现与验证分离、单焦点并行、对称证据规则——不依赖于C语言或内核特定规则。作者认为这套Linux内核手册(开放的验证流水线、社区拥有的领域指南、从历史已知问题和修复中挖掘的基准)可以应用到GCC、LLVM或Git等其他基础开源项目。
Linus Torvalds在Sashiko上线几周后的邮件列表讨论中写道:Sashiko往往相当出色,即使它不必要地标记了某个问题且实际没有bug,这个问题通常也有其原因;他们也见过真正出色的报告,深入且微妙,AI完全正确。