AI时代代码审查的困境：Thoughtworks CTO质疑传统模式的有效性

核心要点

• AI引发代码量爆炸：AI生成的代码量已超出人类现实的审查能力，Meta等公司的代码提交规模呈现翻倍增长。
• 代码审查的多重职能：代码审查不仅是为了发现Bug，还承担着知识共享、指导初级工程师和建立集体所有权的任务。
• 核心争议点：行业专家对于代码审查是否是实现上述目标的最佳方式存在分歧。
• 流程前置的思考：Rachel Laycock提出疑问，为什么团队要等到代码审查阶段才去进行知识传递和架构理解。

详细分析

AI驱动的代码量激增与审查危机

在当前的软件开发环境中，AI正在以人类无法跟上的速度产出代码。Rachel Laycock引用了来自DX和Meta的惊人数据：在Meta，每人提交的差异（diff）中显著代码行数在一年内增长了106%；而DX的数据显示，拉取请求（Pull Request）的规模中位数也增长了64%。这种规模的增长意味着，如果继续坚持传统的全量人工审查，团队将面临严重的效率瓶颈，甚至可能导致审查过程流于形式，失去其原有的质量把控作用。

代码审查的“非技术”价值

尽管代码审查在技术层面是为了减少错误，但它在团队文化中扮演着更复杂的角色。Brian Houck等专家强调，代码审查是团队成员之间分享知识、教授初级开发人员、构建集体代码所有权以及传播架构理解的关键途径。Laycock对此表示认同，但她提出了一个关键的挑战：当AI生成的代码量让审查者疲于奔命时，这些附加的教育和文化价值是否还能得到保障？如果审查者只是为了完成任务而快速点击“通过”，那么这些核心价值将荡然无存。

重新审视解决问题的工具

Laycock的核心观点在于，代码审查可能并不是解决知识共享和团队协作的最佳工具。她认为，如果团队过度依赖审查环节来完成教学和架构对齐，实际上是在流程的末端解决本应在前端处理的问题。面对AI带来的生产力变革，开发者需要思考：是否应该在代码编写过程中或更早的阶段就完成知识的同步，而不是将其堆积在审查阶段。这种反思预示着软件开发协作模式可能需要一次根本性的重构。

行业影响

该讨论反映了AI对软件工程生命周期（SDLC）的深远影响。随着AI工具普及，传统的“开发-审查-合并”流程正面临前所未有的压力。这可能会促使行业转向更实时的协作模式，或者开发出更智能的AI辅助审查工具，以区分简单的逻辑变更和复杂的架构调整。同时，这也对技术领导者提出了挑战：在追求AI带来的高产出的同时，如何确保团队的技术成长和代码质量不被稀释。

常见问题

问题 1：AI对代码审查最直接的影响是什么？

最直接的影响是代码量的爆炸式增长。数据显示，部分企业的代码提交规模增长了一倍以上，这使得人类工程师很难有足够的时间和精力对每一行代码进行细致审查。

问题 2：除了找Bug，代码审查还有哪些作用？

代码审查是团队内部进行知识共享、培训初级工程师、建立代码集体所有权以及确保团队成员对系统架构达成共识的重要手段。

问题 3：Rachel Laycock对代码审查持什么态度？

她并不否定代码审查的价值，但质疑代码审查是否是实现知识共享等目标的最佳方式。她认为在AI时代，不应将所有协作和教学任务都堆积在审查环节，而应探索更高效的解决途径。