К содержимому
Дайджест

Фруктовая муха ревьюит код: зачем человеку ревью

AI Engineer·1 ноября 2026·16:37
можно прочитать понять, как устроено промо
Открыть на YouTube
Доклад инженерного менеджера WorkOS о том, как он подключил коннектом мухи-дрозофилы к ревью JavaScript-кода, и о том, зачем автоматизировать проверку изменений.

Что в ролике

Код теперь пишется быстрее, чем когда-либо, и узким местом стал человек, который ставит approve: спикер утверждает, что если код генерируют агенты, то и ревью человеку не нужно. В качестве демонстрации он подключил отсканированный коннектом мозга самца дрозофилы — 176 000 нейронов, 6,3 млн соединений и 125 млн синапсов — к ревью JavaScript-кода, а в роли носа использовал модель Jev, которая задаёт 30 вопросов о диффе и превращает его в «запах». Память мухи обучена различать хороший и плохой код через вкус сахара и горечи: за ошибки она получает горький дофамин, за хороший код — сладкий, и по тому, высовывает ли язык, принимает решение. В игре с залом муха угадала два из трёх примеров, а по словам автора, на его тестах была права примерно в 88% случаев, в том числе 96% и 98% на конкретных типах ошибок. Живой запуск на реальном pull request не дал однозначного ответа, и автор признаёт, что муха не объясняет, что именно не так, — просто говорит «это странно пахнет». Поэтому вместо полного отказа от человека он предлагает цепочку: командный review-skill, классификатор риска, автоматические ревьюеры вроде Graphite и Code Rabbit, и только провалы эскалируются живому инженеру. Такой процесс должен оставлять человеку понимание, зачем меняется функциональность, а не проверку синтаксиса, и завершаться сводкой с доказательствами — скриншотами, видео, выводом тестов. Опробовать демо можно на сайте, показанном в конце доклада, а слайды и ссылки автор оставил там же.

Практика

Что получишь
Поймёте, почему ручное ревью становится узким местом, и увидите, как можно автоматизировать проверку изменений с помощью командных правил, классификатора и автоматических ревьюеров. Также узнаете, как мушиный мозг принимает решения по «запаху» кода.
Первый шаг
Зайти на fruitfly.review, вставить свой pull request и посмотреть, как фруктовая муха отреагирует на ваши изменения.
Цифры
  • —176 000 нейронов и 6,3 млн соединений — масштаб коннектома мухи, который автор подключил к ревью кода.
  • —30 вопросов задаёт модель Jev о каждом изменении, превращая его в запах.
  • —88% — точность мухи на тестах автора; на конкретных типах ошибок — 96% и 98%.
  • —2 из 3 — столько примеров муха угадала в игре с залом.
Честно
Автор — сотрудник WorkOS, в начале и конце приглашает к стенду компании, но это не продажа конкретного продукта. Демо с мухой — экспериментальный прототип, не для продакшена; точные промпты для Jev и код обучения памяти в докладе не показаны, часть интерфейса видна только на экране. Для повторения придётся смотреть слайды и разбираться в коннектоме самостоятельно.
Если слова незнакомы — 6 терминов

Связки из этого ролика

1 шт.

Компоненты

10 шт.

Формат: разбор · для практикующих · уверенность разметки 0.85 · источник