觀點

AI Agent 加速產碼之後,Code Review 成為新瓶頸

哈佛研究指出,AI coding agents 雖提升程式碼生成效率,審查卻成為研發流程的新瓶頸。團隊需要重新設計風險分流、提交粒度、獨立驗證與責任鏈,而非單純增加另一個審查 Agent。

字級

AI 編程代理加快程式碼生產後,團隊的工作負擔並未因此減輕。程式碼更快進入 repository,審查佇列卻越拉越長。哈佛研究顯示,瓶頸已從編碼轉移至 Code Review。團隊必須調整流程,而不只是再接入一個審查 Agent。

81 分與 125 則留言背後

這則新聞登上 Hacker News 首頁,獲得 81 分及 125 則留言。

討論焦點沒有停留在「AI 會不會取代程式設計師」,開發者更在意另一個問題:當程式碼生成速度提高後,團隊是否仍沿用舊流程進行審查?

答案通常是:沒有。

許多團隊至今仍照過去的方式運作:

  • Agent 一次提交完整功能,PR 動輒數百甚至數千行程式碼;
  • Reviewer 先檢查格式,再追查業務邏輯,最後補上測試;
  • 安全、合規與權限問題分散在多個工具中檢查;
  • 合併後才發現實作方向有誤,再退回 Agent 重寫。

生產端已經批量化,審查端卻仍接近手工作坊。兩者的吞吐量差距只會持續擴大。

哈佛研究發現了什麼

Complex Discovery 的報導標題為「Harvard researchers find AI coding agents shifted the bottleneck to code review」,核心結論相當明確:AI 編程代理提高了程式碼生成效率,卻也將瓶頸轉移至程式碼審查。

報導同時強調,這並非單一編碼環節的提速,而是軟體研發工作流的結構性轉移。

編碼只是工作流中的一段:

需求 → 編碼 → 測試 → 安全檢查 → Code Review → 合併 → 維運

當 Agent 將「編碼」從數天縮短為數小時,後方各個環節就會開始堆積。測試不會自動通過,Reviewer 也不會自動多出時間。程式碼產生速度加快,更不代表權限邊界會跟著變得可靠。

過去,團隊常以 PR 數量近似衡量工作量,如今這項指標已開始失真。程式碼可能變多,問題也可能同步增加。

真正的成本藏在合併之後

生成一項功能只花 10 分鐘,不代表整體交付成本也只有 10 分鐘。

Agent 提交程式碼後,團隊通常還要承擔幾類成本:

  • 測試成本:補上邊界測試案例、處理 flaky test,並確認重試與併發行為;
  • 漏洞定位成本:判斷問題源自業務邏輯、依賴套件版本,還是 Agent 對 API 語意的誤解;
  • 權限檢查成本:確認 Agent 是否擴大了 token、檔案系統、資料庫或雲端資源權限;
  • 人工複核成本:確認實作並非只是「看似合理」,實際上卻與真正的需求不一致。

其中最昂貴的部分,往往不是發現錯誤,而是返工。

假設原本一個 PR 需要 Reviewer 花 40 分鐘。Agent 將其拆成 10 個 PR,每個各花 15 分鐘,表面上的總審查時間降至 150 分鐘。

但上下文切換、重複留言、測試重複執行及最終整合驗證,可能再增加 100 分鐘。

程式碼產量越高,排队與返工甚至可能越嚴重。

因此,「生成行數」與「完成程式碼數量」並不適合作為 Agent 時代的主要指標。它們描述的是輸入與中間產物,而非系統最終交付的成果。

別只替每個 PR 加一位 AI 審查員

最直接的方案是:既然 Agent 能寫程式碼,就再接入一個 Agent 審查程式碼。

結果通常是更快的 PR、更長的留言清單,以及更多需要人工去重與核實的誤報。

第二個 Agent 擅長發現表面問題,例如:

  • 命名不一致;
  • 缺少空值檢查;
  • 重複邏輯;
  • 常見的不安全寫法。

但程式碼審查不只是 lint。Reviewer 還必須判斷:

  • 這項變更是否確實解決了正確的問題;
  • 失敗時能否安全回滾;
  • 新加入的依賴與權限是否符合最小權限原則;
  • 這次抽象是否會讓下一次修改付出更高成本;
  • 發生問題後,由誰負責確認與處置。

多個 Agent 疊加,還可能互相強化。審查 Agent 引用另一個審查 Agent 的結論,看起來像是累積了大量證據,實際上可能只是同一個錯誤被重複敘述數次。

審查系統必須圍繞風險與責任鏈重新設計,不能只是在既有流程上再掛一個機器人。

重新設計 AI Agent 研發流程

我更倾向依下列四個步驟調整。

1. 依變更風險分流

不要讓每個 PR 都接受相同強度的審查。

可以先依改動範圍、依賴數量、權限變更、資料遷移與測試覆蓋率進行評分。高風險變更進入獨立審查佇列,低風險的機械式修改則走快速路徑。

風險分級必須具備可稽核性。至少要保留觸發條件、分級結果與升級路徑,不應讓一個無法解釋的「AI 風險分數」決定由誰審查程式碼。

2. 縮小 Agent 提交粒度

一個 Agent PR 並不等於一項完整功能。

應要求 Agent 依可獨立驗證的邊界提交,例如:

  1. schema 與 migration;
  2. 後端 API 與契約測試;
  3. 前端呼叫與錯誤處理;
  4. 監控、告警與回滾設定。

這會增加提交數量,卻能減少 Reviewer 每次需要重新建立的上下文。提交數量不是目標,可驗證的提交單元才是。

3. 為高風險變更指定獨立驗證人

Agent 可以參與測試與安全掃描,但不應同時扮演「實作者」與「最終核准者」。

涉及認證授權、資金、隱私資料、生產環境設定及破壞性 migration 時,至少應由一名獨立工程師確認。Agent 的輸出是證據,不代表責任已完成轉移。

4. 以返工率衡量流程

相較於「生成了多少程式碼」,更值得關注的指標包括:

  • 首次審查通過率;
  • 合併後回滾率;
  • 每個 PR 的 Reviewer 活躍分鐘數;
  • 因需求誤解造成的返工率;
  • 從首次提交到可上線的週期時間;
  • 安全問題從發現到關閉所需的時間。

如果 Agent 帶來的程式碼量增加 3 倍,週期時間卻沒有縮短,問題通常不在模型,而在流程設計與任務拆分。

編輯觀察

這次瓶頸轉移與 IDE 補全不同。補全工具通常協助開發者修改眼前的幾行程式碼,最終仍由開發者控制提交。AI Agent 則會批次產生完整實作,甚至自行拆解任務、補上測試並提交 PR。生產單位從「一個函式」變成「一條變更鏈」,原本以 PR 為單位的審查模式難以承受這種粒度。

我的判斷是,下一輪競爭力不會來自誰替團隊接入最多 Agent,而會來自誰能將風險分流、提交粒度、獨立驗證與責任鏈打造為可量測的工程系統。Code Review 也不會消失,而會從逐行檢視 diff,轉向設計審查協定與驗證證據。不過,目前報導未提供樣本規模、團隊類型與產業涵蓋範圍,也無法確認所有團隊都出現程度相同的瓶頸轉移。哈佛研究的結論值得嚴肅看待,但仍需要更多企業資料加以重現與驗證。

來源:

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