讓AI代碼審查變得可衡量

代碼審查一直是軟件工程師的瓶頸之一。在loveholidays，團隊在日常工作流程中大量使用AI，但無論PR是否藉助AI編寫，仍需要人工審查。受Intercom一篇關於使用AI批准代碼審查的帖子啓發，一位工程師決定嘗試構建自己的AI審查系統。

該項目並非對現有工具的簡單替代，而是基於OpenAI Codex的本地化解決方案。工程師希望避免額外訂閲費用，並確保審查過程能充分利用現有工作環境中的上下文信息。與僅依賴git diff的傳統AI審查不同，該系統會關聯相關文件、檢查周圍代碼邏輯，並分析變更可能對現有行為產生的影響。

技術實現上，系統首先通過git worktree將PR克隆到新工作目錄以支持並行評估，然後使用codex exec運行自定義提示、規則和輸出格式的審查流程。最終返回結構化JSON結果，包含裁決（如“rejected”）以及每行代碼的評論和改進建議。

工程師強調，這僅是一次實驗性嘗試，並不構成對特定工具的推薦。實驗消耗了數十億token，成本高昂但提供了寶貴經驗。該方法適合熟悉風險管理並在本地或沙箱環境中運行的團隊。在整個過程中，工程師利用了OpenAI提供的三個月試用期，並強調了上下文感知的重要性：當審查PR時，他很少孤立地看diff，而是會打開相關文件，檢查周圍代碼如何工作，尋找相似模式，並思考變更可能如何破壞現有行為。他希望AI審查者也能做到同樣的事情。此外，這種方法能融入現有工作流，代理可以使用日常使用的相同技能、MCP服務器、命令和項目上下文，使審查更像是現有工作的擴展而非通用外部工具。