· AI Engineer World's Fair 2026
Создание uReview — мультиагентной системы Uber для code review
Building uReview, Uber’s Multi-Agent Code Review Engine — Will Bond & Ameya Ketkar, Uber
Качество автоматического code review в Uber держится не на выборе модели, а на обратной связи разработчиков и командных правилах, по словам авторов.
- Фильтрация вместо потока комментариев — генераторы выдают много дублей, поэтому комментарии после них ранжируются, категоризуются, фильтруются и дедуплицируются, и до разработчика доходят только уверенные и применимые замечания.
- Командные правила рядом с кодом — кастомизации (few-shot линтеры и кастомные агенты с базой знаний и прошлыми PR) хранятся рядом с кодом команды и подключаются через существующую систему владения, чтобы правила не централизовать в одном месте.
- Метрики, которые ведут тюнинг — трекинг адресации комментариев и траекторий агента показал, что модель уверенно ошибается и нуждается в guardrails; по словам авторов, около 67% комментариев адресуются, а стоимость снизилась на 60% относительно наивной реализации.
- Точность для внутреннего цикла — при агентной разработке плохой комментарий заставляет агента править код, уходить на повторное ревью и откатывать правки, поэтому точность должна расти.
Кому полезно: тем, кто строит code review на агентах для многих команд и монорепозиториев с собственными правилами.
Статья по теме
Главы
Похожие доклады
Перестраиваем CI для потока коммитов в эпоху AI
AI Engineer NYC 2026 Online Talks
Близко по содержанию
Почему изменение в одну строку может сломать весь стек
Близко по содержанию
Смерть code review: что на самом деле говорят данные
AI Engineer World's Fair 2026
Близко по содержанию
Как создать AI-агента для code review
Близко по содержанию


