观点

AI Agent 写完代码后,Code Review 才是新瓶颈

哈佛研究称,AI coding agents 提高代码生成效率后,瓶颈转向 code review。团队要重做风险分流、提交粒度和责任链。

字号

AI 编程代理把代码生产提速以后,团队没有变得轻松。代码更快进仓库,审查队列却更长。哈佛研究称,瓶颈已从编码转向 Code Review。团队要调整流程,而不只是再接一个审查 Agent。

81 分与 125 条评论背后

这条新闻登上 Hacker News 首页,获得 81 分和 125 条评论。

讨论没有停在“AI 会不会替代程序员”。开发者更关心另一个问题:代码生成速度提高后,团队是否还在用旧流程审查代码?

答案通常是:没有。

很多团队仍按过去的方式运转:

  • Agent 一次提交完整功能,PR 动辄几百行、几千行;
  • Reviewer 先检查格式,再追业务逻辑,最后补测试;
  • 安全、合规和权限问题分散在多个工具里检查;
  • 合并后发现实现方向不对,再退回 Agent 重写。

生产端已经批量化,审查端仍接近手工作坊。吞吐量差距会继续扩大。

哈佛研究发现了什么

Complex Discovery 的报道标题是 “Harvard researchers find AI coding agents shifted the bottleneck to code review”。核心结论很明确:AI 编程代理提高了代码生成效率,却将瓶颈转移至代码审查。

报道还强调,这不是单个编码环节提速,而是软件研发工作流的结构性转移。

编码只是工作流的一段:

需求 → 编码 → 测试 → 安全检查 → Code Review → 合并 → 运维

当 Agent 让“编码”从几天缩短到几小时,队列会在后面堆积。测试不会自动通过,Reviewer 也不会自动多出时间。权限边界更不会因为代码写得快,就自动变得可靠。

过去,团队用 PR 数量近似衡量工作量。现在这个指标开始失真。代码可能更多,问题也可能更多。

真正的成本藏在合并之后

生成一条功能只花了 10 分钟,不代表交付成本也只有 10 分钟。

Agent 提交代码后,团队通常还要承担几类成本:

  • 测试成本:补边界用例,处理 flaky test,确认重试和并发行为;
  • 漏洞定位成本:判断问题来自业务逻辑、依赖版本,还是 Agent 对接口语义的误解;
  • 权限检查成本:核对 Agent 是否扩大了 token、文件系统、数据库或云资源权限;
  • 人工复核成本:确认实现没有“看起来合理”,但与真实需求不一致。

其中最贵的往往不是发现错误,而是返工。

假设原来一个 PR 需要 Reviewer 花 40 分钟。Agent 把它拆成 10 个 PR,每个 15 分钟。表面上总审查时间降到 150 分钟。

但上下文切换、重复评论、测试重复运行和最终集成验证,可能再加 100 分钟。

代码产量越高,排队与返工甚至可能越严重。

这也是为什么“生成行数”和“完成代码数”不适合作为 Agent 时代的主要指标。它们描述输入和中间产物,没有描述系统最终交付了什么。

别给每个 PR 增加一个 AI 审查员

最直接的方案是:既然 Agent 能写代码,再接一个 Agent 审代码。

这通常会得到更快的 PR、更长的评论列表,以及更多需要人工去重和核实的误报。

第二个 Agent 擅长发现表面问题:

  • 命名不一致;
  • 缺少空值检查;
  • 重复逻辑;
  • 常见不安全写法。

但代码审查不只是 lint。Reviewer 还要判断:

  • 这个改动是否解决了正确的问题;
  • 失败时能否回滚;
  • 新依赖和权限是否符合最小授权;
  • 这次抽象会不会让下一次修改更贵;
  • 出问题后,谁负责确认和处置。

多个 Agent 叠加,还可能互相强化。审查员引用另一个审查员的结论,看起来证据很多,实际只是同一个错误被重复了几遍。

审查系统必须围绕风险与责任链重做,而不是在旧流程上再挂一个机器人。

重新设计 AI Agent 研发流程

我更倾向于按下面四步改。

1. 按变更风险分流

不要让每个 PR 接受相同强度的审查。

可以先按改动范围、依赖数量、权限变化、数据迁移和测试覆盖率打分。高风险改动进入独立审查队列。低风险的机械修改走快速路径。

风险分级需要可审计。至少保留触发条件、分级结果和升级路径。别让一个不可解释的“AI 风险分”决定谁看代码。

2. 缩小 Agent 提交粒度

一个 Agent PR 不等于一个完整功能。

要求 Agent 按可独立验证的边界提交,例如:

  1. schema 与 migration;
  2. 后端接口及契约测试;
  3. 前端调用与错误处理;
  4. 观测、告警与回滚配置。

这会增加提交数量,却能减少 Reviewer 每次需要重建的上下文。提交数量不是目标。可验证的提交单元才是。

3. 给高风险改动设置独立验证人

Agent 可以参与测试和安全扫描,但不应同时扮演“实现者”和“最终批准者”。

涉及认证授权、资金、隐私数据、生产配置和破坏性迁移时,至少由一名独立工程师确认。Agent 的输出是证据,不是责任转移。

4. 用返工率衡量流程

比“生成了多少代码”更值得看的指标包括:

  • 首次审查通过率;
  • 合并后回滚率;
  • 每个 PR 的 Reviewer 活跃分钟数;
  • 因需求误解导致的返工率;
  • 从首次提交到可上线的周期时间;
  • 安全问题从发现到关闭所需时间。

如果 Agent 带来的代码量涨了 3 倍,周期时间反而没降,问题通常不在模型,而在流程设计和任务拆分。

编辑思考

这次瓶颈迁移不同于 IDE 补全。补全工具通常帮助开发者修改眼前几行代码,提交仍由开发者控制。AI Agent 会批量生成完整实现,甚至自行拆任务、补测试、提交 PR。生产单位从“一个函数”变成“一条变更链”,原来的按 PR 审查模式承受不了这种粒度。

我的判断是,下一轮竞争力不会来自谁给团队接了最多 Agent,而来自谁能把风险分流、提交粒度、独立验证和责任链做成可测量的工程系统。Code Review 也不会消失。它会从逐行看 diff,转向设计审查协议与验证证据。不过,目前报道没有给出样本规模、团队类型和行业覆盖范围,也不能确认所有团队都出现相同程度的瓶颈迁移。哈佛结论值得认真对待,仍需要更多企业数据复现。

来源:

来源: https://complexdiscovery.com/harvard-researchers-find-ai-coding-agents-shifted-the-bottleneck-to-code-review/