从人类中心到AI代理代码审查：不同代际生成式AI技术对审查质量的影响

一项研究分析了207个GitHub项目中的102万次PR审查，跨越人类中心、LLM辅助和AI代理三种代码审查时代。研究发现，AI代理参与的协作模式（特别是AI代理发起或涉及多个AI代理的审查）在渐进式AI采用和快速AI代理采用策略下，能加快审查决策速度，但这些效率提升并未转化为更好的审查质量。人类与AI的协作模式成为审查效率的最强解释因素。

此前关于AI辅助代码审查的实证证据不足，本研究基于大规模真实项目数据，首次揭示AI代理带来的效率与质量间的脱节，挑战了“AI自动提升质量”的简单假设，为团队合理采用AI工具提供了关键参考。

AI代理能自动启动审查、进行初步分析和交互，从而缩短人类等待时间、加速决策流程；但AI代理可能遗漏细微或复杂缺陷，且人类可能过度依赖AI判断，导致整体审查质量未同步提升。审查活动类型和PR本身特征仍重要，但人机协作模式成为效率主因。

对于代码审查工具和研发流程：采用AI代理可显著缩短审查周期（尤其配合渐进式采用策略），但团队需额外设立质量门禁或双人复核机制，避免效率提升掩盖质量下降。平台可考虑提供人机协作效率与质量的双指标看板。

• 开发针对AI代理审查结果的自动质量校验插件，对代理建议进行误报/漏报分析并反馈。
• 设计人机协作审查路径推荐引擎，根据项目类型和历史表现动态分配人类与AI代理的审查职责。
• 在代码审查工具中增加“协作模式分析”仪表盘，可视化人类、LLM、AI代理的交互序列，帮助团队优化配置。

• 不同编程语言或项目规模下，AI代理审查的质量差异是否显著？
• 长期使用AI代理审查是否会降低人类开发者的审慎性？
• 是否存在特定类型的缺陷（如安全漏洞）在AI代理审查中更容易被遗漏？
• 本研究中的效率提升是否以增加后续缺陷修复成本为代价？