Код-ревью не умерло: как перестроить проверку кода

Что в ролике
Если ваши ИИ-агенты генерируют код в разы быстрее, а люди не успевают его просматривать, вы упираетесь в то же узкое место, что и вся индустрия: исследователи зафиксировали рост написанного кода на 741% при росте реально выпущенного софта лишь на 30%. Stripe перенесла 50 млн строк Ruby за один день, Bun — миллион строк Zig в Rust за шесть дней, поэтому генерация кода перестала быть ограничением. Классическое исследование Cisco показало: ревьюер перестаёт находить дефекты после 400 строк за один присест и после 450 строк в час, то есть один PR на 10 000 строк занял бы 3–4 рабочих дня. OpenAI построила внутренний продукт без рукописного кода — около миллиона строк и 1500 PR силами трёх инженеров, но не раскрыла, что продукт делает, и не выпустила открытую инструкцию. Бенчмарки вроде SWE-bench показывают, что прохождение тестов не означает готовность к мержу: Fable 5 набирает 88% на SWE-bench Pro, но только 29% на FrontierCode, а GPT 5,5 — меньше 6%. GitHub Copilot Reviewer уже сделал 60 млн ревью и закрывает каждое пятое ревью на платформе, Cursor поднял resolution rate с 52% до 70%, но автоматические ревьюеры всё ещё обманываются уязвимым кодом в 88% случаев против 35% у людей. Лори Восс советует не пытаться читать каждый дифф вручную, а вкладывать время в построение системы ревью: фиксировать критерии хорошего кода, контекст компании и доменные знания, чтобы агенты работали по этим правилам.
Практика
- Что получишь
- Понимание, почему ручное код-ревью не масштабируется с ростом ИИ-агентов, и конкретное направление: вместо чтения каждого диффа строить автоматизированную систему проверки с зафиксированными критериями качества.
- Первый шаг
- Зафиксируйте письменно, что для вашей команды означает «можно мержить»: качество кода, скоуп изменений, безопасность и регрессии, а затем подключите один автоматический ревьюер на пилотный репозиторий.
- Цифры
- —741% против 30% — настолько вырос объём написанного кода по сравнению с реально выпущенным софтом после включения ИИ-агентов у 100 000 разработчиков.
- —400 и 450 строк — пределы эффективного человеческого ревью за один присест и за час по исследованию Cisco.
- —88% против 29% — оценка Fable 5 на SWE-bench Pro и на FrontierCode, показывающая разрыв между прохождением тестов и готовностью к мержу.
- —60 млн ревью — столько уже сделал GitHub Copilot Reviewer, это каждое пятое ревью на платформе.
- Честно
- Спикер — глава DevRel в Arize AI, но в докладе прямо говорит, что не будет питчить продукт, и действительно не даёт инструкций по его использованию. Ролик — конференционный доклад, а не туториал: все цифры и выводы взяты из публичных исследований и опыта компаний, но точные графики со слайдов в транскрипте не видны.
Если слова незнакомы — 6 терминов
- PRзапрос на слияние изменений в основной код
- диффнабор изменений в файлах, который нужно просмотреть
- мержслияние проверенных изменений в основную ветку
- агентпрограмма, которая сама пишет код и выполняет задачи
- бенчмаркстандартизированный тест для сравнения качества моделей
- resolution rateдоля автоматических ревью, чьи предложения принял человек
Связки из этого ролика
3 шт.- Rust
- Zig
- Ruby
Компоненты
10 шт.Формат: мнение · для продвинутых · уверенность разметки 0.88 · источник