用AI做代码审查：提前拦下80%低级问题的实战经验

以前我们团队的代码审查，靠的是开发之间的互审——但大家业务忙，审查经常变成"走过场"，低级问题（空指针、资源没关、边界没判）就溜进主干，等测试和线上出问题才暴露。上个月我引入了AI代码审查，配合人工二审，效果出奇地好：低级问题拦截率明显上升，审查时间还缩短了。这篇文章分享我的完整实践。

一、为什么要引入AI审代码

先说结论：AI审代码不是要取代人工评审，而是给人工评审"减负+兜底"。我们遇到的问题：

1. 低级错误多：空指针、数组越界、异常没处理、资源泄漏——这些问题"不高级"，但特别容易漏；
2. 审查靠自觉：工作一忙，审查就拖，拖到最后草草看一眼就合；
3. 新人代码没人细看：经验不足的同学写的代码，问题多，但大家不好意思逐行挑；
4. 标准不统一：风格、规范靠各人自觉，没有强制检查。

二、我的AI审查工作流

第1步：提交即触发

我在CI里加了一步：代码提交并创建PR时，自动把diff发给AI代码审查服务（用的Qwen2.5-coder，通过vLLM部署在内网，代码不出公司），让AI按固定模板输出审查意见。

第2步：AI审查模板

提示词里明确要求AI按四类输出：

1）严重问题：会导致bug、崩溃、安全风险的（空指针、资源泄漏等）； 2）逻辑问题：业务逻辑可能有误、边界条件没处理； 3）规范问题：命名、注释、代码风格与团队规范不符； 4）改进建议：可以写得更好但非必须。

每个问题必须带"文件+行号+原因+修改建议"，AI给不了行号就标注"无法定位"，防止它瞎指。

第3步：人工二审只聚焦"严重问题"

开发看到AI意见后，重点处理"严重问题"，其次看"逻辑问题"，规范和优化建议按需处理。AI意见只是参考，合入与否仍由开发判断——因为AI也会误报（下面会讲）。

第4步：抽查AI质量

每周我会抽查10%的AI审查意见，看它漏了什么、误报了什么，把结果反馈给模型配置。跑了三周后，AI误报率从最初的20%降到了8%。

三、踩过的坑

1. AI的误报：AI会把"看起来像问题但实际没问题"的代码标红，比如误把"分支里故意不处理的情况"当遗漏。对策是：AI意见只标记，不阻断CI，由开发判断是否采纳；
2. AI的漏报：AI对跨文件的状态流理解有限，跨模块的并发问题、全局状态被并发修改这类问题，AI基本发现不了——所以"复杂逻辑的深度审查"还得靠人；
3. diff太长AI截断：大PR一次几千行，AI的输出会截断、质量下降。对策是：超过一定行数的diff让AI分批审，每批一个模块；
4. 提示词要防"AI捧场"：有些模型会倾向于说"代码整体质量很好"，导致审查意见少而水。对策是：提示词里写"不要客套，请严格挑问题，至少要找出N个潜在问题"，并禁用它输出总结性表扬。

四、效果与总结

上线三周的数据：约80%的低级问题（空指针、资源泄漏、未判空）在PR阶段被AI标出，人工二审时这些问题几乎不用再看；严重问题的修复速度从"测试发现后修"提前到"合入前就修"。审查时间上，人工从"逐行看全部"变成"只看AI标出的+自己复核关键逻辑"，单PR审查时间平均缩短了40%。

我的总结：AI代码审查的正确用法是"前置过滤+人工把关"。它把80%的重复性检查自动化，让人的精力集中在真正需要判断的地方。如果你是团队的技术负责人，强烈建议从"CI加一步AI预审+只标记不阻断"开始，跑两周看看误报率和接受度，再逐步调优提示词和阈值。它不会让你少开会，但真的能让你少踩坑。