AI Code Review 篇：让大模型参与代码审查
AI Code Review 可以帮助发现明显缺陷、总结 PR、补充测试建议，但不能替代人类对业务语义和架构取舍的判断。
AI Code Review 篇：让大模型参与代码审查
代码审查里，LLM 很适合做第一轮扫描：找空指针、边界条件、未处理异常、权限遗漏、测试缺口和明显风格问题。它也适合总结大 PR，降低 reviewer 的阅读成本。
Rendering diagram...
Review 输入
好的 AI Review 不应该只看 diff，还要给它相关文件、测试、接口约定和项目规则。否则模型只能根据局部代码猜测。
请按严重程度输出问题：
P0 数据丢失 / 安全问题
P1 明确功能错误
P2 边界条件或测试缺失
P3 风格和可维护性建议
适合自动化的部分
PR 摘要、变更风险点、缺失测试提醒、敏感 API 检查都适合自动化。是否合并、架构是否合理、业务规则是否正确，仍然需要负责人判断。
降低误报
让模型引用文件和行号，要求它说明触发条件和影响范围。没有明确证据的问题不要作为阻塞项，只作为建议。
小结
AI Code Review 的定位是加速审查，而不是替代审查。它能让人类 reviewer 把精力放到真正需要判断的地方。