← Каталог

Как создать AI-агента для code review

How to Build an AI Code Review Agent - Daksh Gupta, Greptile

Наивный ревью-агент пропускает баги и дорог, а исправляется таргетированными промптами, оценкой на истории инцидентов и ревьюером из другого семейства моделей.

  • Оценка на истории инцидентов — набор PR, которые уже вызывали аварии, прогоняется через каждую версию агента. Меньше комментариев само по себе не доказывает, что баги находятся, а редкие баги заметны только по аварии.
  • Ревьюер из другого семейства — по наблюдениям Greptile, другая модель ловит на 10% больше багов, чем та, что написала код. Генератор можно угадать по префиксу codex/ в имени ветки или по Co-authored-by: Claude в коммите, в остальных случаях нужна эвристика.
  • Промпт под типы багов — типы берутся из каталога прошлых инцидентов, а nitpick прямо исключаются. Иначе кодинговые агенты, которые правят по каждому комментарию, пишут избыточно защитный код.
  • Дешёвые модели на подзадачи — маленькие модели ищут контекст и проверяют пользовательские сценарии, frontier модель остаётся примерно на 20% критичных задач. Каждую замену нужно проверять на датасете, иначе детекция багов тихо падает.

Кому полезно: тем, кто строит внутреннего ревью-агента или выбирает готовый; доклад во многом презентация продукта Greptile, но методика переносится на любой стек.

Статья по теме

Главы

Ещё доклады: Daksh Gupta

Страница спикера →

Похожие доклады