· AI Engineer World's Fair 2026
Последнее человеческое code review: как доверять коду, созданному ИИ
The Last Human Code Review: Building Trust in AI-Generated Code
Главное узкое место AI-разработки — доверие к ревью кода, и, по словам автора, его решает контекст: правила команды, архитектура и граф сервисов.
- Контекст важнее модели — по словам спикера, модели уже хорошо рассуждают, но без правил команды, архитектурных знаний и истории инцидентов ревью сводится к общим замечаниям вроде «учли ли обработку ошибок».
- Один слой для людей и агентов — правила и стандарты собираются в одном месте: человек видит, какие правила нарушены и куда ведут ссылки, а агент получает замечания и запускает исправления в фоновой задаче.
- Граф сервисов вместо отдельного diff — контракты между сервисами хранятся как рёбра графа, поэтому видно, что два параллельных PR касаются одного контракта и могут сломать друг друга.
- Автоблокировка по шагам — одобрение и блокировку PR включают правило за правилом, когда человеческие комментарии в ревью перестают появляться; автор ставит цель на 2027 год: ноль критичных и высоких багов в продакшене.
Кому полезно: командам, которые уже генерируют больше кода, чем люди успевают проверять. Доклад по сути презентация продукта Qodo, но схема накопления контекста для ревью применима и без него.
Статья по теме
На какие вопросы отвечает доклад
Почему ревью кода становится узким местом, когда код пишут AI-агенты?
Генерация кода перестала быть узким местом: по словам спикера, главная проблема теперь в доверии к изменениям на ревью. Если AI-код уходит в продакшен быстрее, чем его проверяют люди, команда уже в проблеме.
▶ 0:00Новое узкое место в code review и миссия QodoПочему AI-ревью выдаёт общие замечания вроде «проверьте обработку ошибок»?
По словам спикера, дело не в модели, а в контексте: без правил команды, архитектуры и истории даже сильная модель выдаёт общие замечания. Бенчмарки ревью, по его словам, почти не выросли от новых моделей.
▶ 3:19Доверие людей и расходящиеся философии code reviewКак собрать правила из AGENTS.md и CLAUDE.md в один источник для ревью и агентов?
Спикер предлагает собрать разрозненные правила команды, стандарты и skills в context engine: правила дают ссылки для людей и отдельный интерфейс для агентов. Ревью тогда показывает, какие правила нарушены.
▶ 8:53Общие знания человека и агента и автоматическое исправление замечанийКак поймать поломку контракта между микросервисами, которой не видно в диффе?
Спикер описывает граф программной системы: узлы это сервисы и репозитории, рёбра хранят контракты между ними и ссылки на обсуждения прошлых инцидентов. Изменения оцениваются по графу, а не по отдельным diff.
▶ 8:53Общие знания человека и агента и автоматическое исправление замечанийКогда можно автоматически одобрять и блокировать pull request без участия человека?
По словам спикера, автоматизацию вводят постепенно, добавляя правила блокировки и одобрения. Готовность наступает, когда разработчики почти не пишут комментарии в PR и после примерно сотни PR человеческий ревью больше не нужен.
▶ 13:38Автоматическое одобрение и управление графом ПОКак понять, какие правила ревью кода срабатывают и нужно ли их обновлять?
Спикер советует вести аналитику по каждому правилу: сколько раз оно сработало, используется ли в ревью и полезно ли оно или требует обновления. Так контролируется доверие к автоматическому ревью.
▶ 13:38Автоматическое одобрение и управление графом ПО
Главы
Ещё доклады: Itamar Friedman
Страница спикера →Уверенный vibe coding
AI Engineer World's Fair 2025
Качество кода, созданного с помощью ИИ: хайп и реальность
AI Engineer Code 2025
Похожие доклады
Harness engineering: как создавать ПО, когда люди задают направление, а агенты выполняют работу
AI Engineer Europe 2026
Близко по содержанию
Как создать AI-агента для code review
Близко по содержанию

