К содержимому
Дайджест

Как собрать своего AI-агента код-ревью: план от Greptile

AI Engineer·26 октября 2026·18:27
текст даёт основное можно повторить промо пошагово
Открыть на YouTube
Доклад для инженеров платформенных команд о том, как собрать собственного AI-агента код-ревью и какие архитектурные решения отделяют рабочую систему от наивной.

Что в ролике

Платформенным инженерам, которые хотят закрыть узкое место код-ревью, доклад Дакша Гупты из Greptile объясняет, как собрать собственного AI-агента проверки пул-реквестов. Минимальная версия собирается из песочницы, агента (Codex или Claude Code, лучше model-independent через OpenCode или Pi), webhook из GitHub/GitLab, базового промпта и GitHub Review API — такой наивный вариант даёт первый отзыв через 5 минут, но быстро ломается. Он пропускает баги, теряет контекст кодовой базы, стоит $3–25 за пул-реквест, оставляет нитпик-комментарии и при каждом запуске находит новые баги. Сначала улучшают промпт: каталогизируют типы багов из прошлых инцидентов и явно запрещают нитпики, а для регрессионной проверки собирают датасет исторических PR, потому что катастрофический баг встречается в одном из 1000 пул-реквестов. Модельная инверсия добавляет 10% к доле отловленных багов: код Claude Code ревьюит GPT, и наоборот, поскольку Claude втрое чаще ошибается на единицу в индексах, а GPT чаще допускает обход аутентификации. Контекст кодовой базы решают через индексированную базу знаний по критичным областям и подключение Jira/Linear и Confluence/Notion, чтобы агент понимал намерения автора, а не только синтаксис. Автономное тестирование в песочнице с полным стеком и vision-модели проверяют сценарии end-to-end и находят UI-баги вроде кнопки, скрытой на iPhone. Стоимость снижают гибридом моделей: около 20% токенов уходит на фронтирные модели для критичных подзадач, остальное — на дешёвые модели для чтения файлов и переранжирования контекста.

Практика

Что получишь
Понимание, из каких компонентов состоит рабочий агент код-ревью: песочница, промпт, контекст кодовой базы, модельная инверсия, автономное тестирование и управление стоимостью — и какие ошибки не повторять.
Первый шаг
Поднять простую песочницу, подключить webhook из GitHub на пул-реквест и запустить агента с базовым промптом, чтобы получить первый отклик и замерить стоимость.
Цифры
  • —1% — доля всех пул-реквестов на GitHub, которые проходят через Greptile, по словам спикера
  • —$3–25 — стоимость проверки одного пул-реквеста наивным агентом до оптимизации
  • —1 из 1000 — частота катастрофического бага в пул-реквесте по данным Greptile
  • —10% — прирост доли отловленных багов при смене модели-ревьюера на модель другого вендора
Честно
Доклад — это промо Greptile: спикер сооснователь компании и в конце предлагает использовать их продукт, который называет бесплатным в сравнении с самостоятельной разработкой. Готовых промптов, схем и кода в докладе нет: придётся самостоятельно настраивать песочницу, каталог багов и карту пользовательских сценариев.
Если слова незнакомы — 6 терминов

Связки из этого ролика

3 шт.

Компоненты

15 шт.

Формат: пошаговый урок · для практикующих · уверенность разметки 0.85 · источник