- PVSM.RU - https://www.pvsm.ru -
Вы любите делать код-ревью?
«Не могу дождаться следующего PR!», — ответит абсолютно никто.
Понимаю! Ревью — штука необходимая, но давайте честно: утомляет, забирает время и ресурс, который можно потратить на другие задачи. Делегировать, казалось бы, хорошая идея… но кому? Личного ревьюера на полную ставку ни у кого нет.
Меня зовут Александр Федотов, я руководитель группы разработки в «Лаборатории Касперского». В своей команде я уже не раз пытался упростить ревью: менял подходы, вводил правила, подключал автоматизацию. Но все равно ощущение такое, что можно сделать еще лучше. Тем временем, коллеги реализовали интеграцию Azure DevOps с внутренней AI-моделью ЛК. И вот одним морозным зимним днем, во время настройки каких-то доступов, я попал в раздел Manage Features, где наткнулся на неприметный пунктик Pull Request AI, который позволял воспользоваться преимуществами этой интеграции.

Не теряя времени, я активировал фичу и стал счастливым обладателем раздела AI в каждом PR. С тех пор ревью стало другим. И теперь я не просто верю в автоматизацию — я ею пользуюсь и хочу поделиться с вами своими мыслями об этом.
Кажется, мы уже привыкли к тому, что ревью — это долго и сложно. Судя по общению с другими разработчиками на тему AI-ревью, кто-то просто не знает, что такая опция есть. Кто-то не верит, что робот справится. А кто-то не хочет заморачиваться и пробовать новое, а зря.
Я первым в команде решил подключить AI-ревью — и уже с первых попыток понял, что это штука не для «затестить», а реальный инструмент. Он показывает, куда стоит посмотреть в коде, помогает быстрее в него вникнуть и главное — дает базу для нормального фидбэка. А иногда — и вовсе ловит то, что ты бы точно пропустил.
1) Попробуйте найти ошибку в коде:
public void AssertVirtualDesktopSupported()
{
if (!OperatingSystemInfo.IsWin7)
{
Assert.Fail("Virtual desktops not supported");
}
}
Логическая ошибка: метод AssertVirtualDesktopSupported проверяет поддержку виртуальных рабочих столов только для Windows 7, что неверно. Виртуальные рабочие столы поддерживаются начиная с Windows 10. Необходимо изменить условие на проверку версии Windows 10 или выше.
Хороший кейс: найдена логическая ошибка, основанная на контекстуальном знании фичей ОС.
2) Попробуйте найти ошибку в коде:
std::vector<ModuleVersion> GetVersions()
{
// Parses version strings such as "1.2", "1.2;3.4", "1,2"
std::wstring str = ExtractParameterString(SUPPORTED_VERSION);
std::vector<ModuleVersion> result;
unsigned int startPos = 0;
unsigned int semicolonPos = 0;
unsigned int dotPos = 0;
std::wstring strVersion, strMajorVersion, strMinorVersion;
do
{
semicolonPos = str.find_first_of(L';', startPos);
strVersion = str.substr(startPos, semicolonPos);
dotPos = strVersion.find(L'.');
strMajorVersion = strVersion.substr(0, dotPos);
if (dotPos != std::wstring::npos)
strMinorVersion = strVersion.substr(dotPos + 1);
else
strMinorVersion.clear();
ModuleVersion version = {0};
version.majorVersion = _wtoi(strMajorVersion.c_str());
version.minorVersion = _wtoi(strMinorVersion.c_str());
result.push_back(version);
startPos = semicolonPos;
} while (startPos != std::wstring::npos);
return result;
}
В методе GetVersions переменная startPos не обновляется корректно внутри цикла do-while, что приводит к бесконечному циклу. Необходимо правильно обновлять startPos после каждого найденного разделителя ;.
Чистая алгоритмическая ошибка. Конечно, ее можно найти запуском/отладкой/вчитыванием, но отладка выполняется далеко не всегда, а наш AI консистентен.
3) Чем плоха такая замена?
Было:
public MainWindowViewService(
Func<ImportRequestViewModel> importRequestViewModelFactory)
{
_importRequestViewModelFactory = importRequestViewModelFactory;
}
public void RaiseImportRequest(Item item)
{
var viewModel = _importRequestViewModelFactory.Invoke();
var interaction = new ImportRequestInteraction(viewModel, item);
ImportRequestedEvent.Invoke(interaction);
}
Cтало:
public MainWindowViewService(IUnityContainer container)
{
_container = container;
}
public void RaiseImportRequest(Item item)
{
var viewModel = _container.Resolve<ImportRequestViewModel>();
var interaction = new ImportRequestInteraction (viewModel, item);
ImportRequestedEvent.Invoke(interaction);
}
Замена фабрики Func< ImportRequestViewModel > на IUnityContainer может привести к более тесной связности с контейнером внедрения зависимостей, что затруднит тестирование класса без использования конкретного контейнера.
Этот комментарий относительно очевиден, но тем не менее полезен и может быть оставлен без участия живого человека.
Итого, оказалась очень полезной способность AI обнаруживать алгоритмические и возникающие при специфических условиях ошибки, для выявления которых даже опытному разработчику нужно глубоко вчитываться в код и контекст использования.
Что же нам понравилось больше всего?
Можно запускать AI еще до того, как ты отправил код на ревью человеку. Он сразу покажет, что ему не нравится — и это можно исправить до того, как кто-то из кожи и костей откроет PR. По нашему опыту это здорово повышает продуктивность взаимодействия разработчиков на ревью, поскольку остается меньше мест для обсуждения и вольной интерпретации.
AI не будет спорить, как лучше назвать переменную или сколько отступов ставить. У него вообще нет вкуса — в хорошем смысле! Только факты, только код-стайл. Он не будет предлагать замен и переименований, провоцирующих длительную и бесплодную дискуссию.
Поспорить с роботом о прекрасном можно, но зачем?
Иногда мы вынуждены пробегаться по PR быстро: времени мало, задач много. В такие моменты наш AI-помощник — просто находка, в отличие от нас, он не устает и готов комментировать PR 24/7.
Поэтому в случаях, когда требуется быстрое ревью, можно опереться на комментарии помощника, а возможные замечания человека исправить в следующих PR.
AI-ревью способствует повышению качества обучения и развития разработчиков. Хорошо настроенный AI не только указывает на проблему, но и объясняет, почему изменение необходимо, часто с примерами. Это превращает каждый PR в обучающий момент. В долгосрочной перспективе такая практика помогает команде расти профессионально, развивая навыки написания более чистого, понятного и безопасного кода.
Наша интеграция с Pull Request AI в Azure — не единственный способ подключить AI к ревью. Вот несколько способов, позволяющих привлечь к этой работе роботов:
Google Critique [1]
В Google AI активно используется в системе Critique, применяемой для анализа PR внутри монорепозитория. Система может не только указывать на ошибки, но и предлагать патчи, автоматически учитывая контекст предыдущих изменений и историю кода. Благодаря этому Google снижает нагрузку на старших разработчиков, которым не нужно вручную просматривать каждую строку кода. Это позволяет поддерживать высокое качество программного обеспечения даже при огромных объемах и скорости изменений.
Компания Amazon также активно использует AI-инструменты для анализа Pull Request в своих внутренних системах. Сервис CodeGuru анализирует код Java и Python, выявляя узкие места в производительности, ошибки, связанные с ресурсами, и нарушения лучших практик. Эти рекомендации интегрируются непосредственно в процесс ревью, облегчая работу разработчиков и повышая надежность систем. CodeGuru применяется как на ранних этапах, так и в рамках CI/CD, автоматически отклоняя PR с критичными проблемами.
Code Review by Gemini AI · Actions · GitHub Marketplace · GitHub [3]
Gemini тоже уже в деле. Его можно интегрировать в GitHub через Actions — он будет автоматически запускаться при открытии PR и анализировать код.
GitHub Copilot [4]
У Copilot имеется режим, в котором он помогает не писать, а проверять код. Он объясняет, что делает тот или иной кусок, подсказывает потенциальные баги и следит, чтобы все соответствовало требованиям.
Также GitHub предоставляет CodeQL — инструмент анализа уязвимостей, использующий ИИ для выявления паттернов потенциальных атак, таких как SQL-инъекции или XSS.
Сегодня Copilot успешно интегрирован в процесс ревью PR у таких крупных компаний, как Microsoft и Shopify.
DeepCode AI [5]
Инструмент доступен как в виде расширений для IDE, так и в виде настройки для репозиториев в GitHub. Одно из его отличительных качеств: анализ изменений в PR и сравнение их с огромной базой известных уязвимостей и паттернов плохого кода. Это помогает поддерживать высокое качество даже в условиях, когда PR поступают от большого количества внешних участников с разным уровнем опыта, что в условиях интеграции с GitHub повышает надежность и безопасность открытого ПО.
CodeRabbit [6]
Плагин для GitHub, который комментирует PR как человек.
Он встраивается прямо в обсуждение и пишет конкретные замечания — от стиля до логики.
Мы пришли к такому выводу: игнорировать AI-ревью в 2025 году — это как сознательно не пользоваться новыми возможностями языка или фреймворка. Только если отказ от фич можно еще как-то объяснить — например, сложной миграцией или зависимостью от старой кодовой базы, то в случае с ревью внедрение нашего помощника в процессы не оказывает негативного влияния на текущую разработку и не требует адаптации.
Он подключается безболезненно, не требует переделок и не ломает привычные процессы. Да, помощник может ошибаться. Но ведь и мы ошибаемся — согласитесь, каждый хоть раз пропускал в ревью что-то важное.
Зато он помогает пройти обязательные этапы ревью — быстрее, аккуратнее и без лишней нагрузки на команду. Можно экономить ресурс людей и при этом снижать риск пропустить что-то важное — особенно то, что обычно ускользает из-за усталости или нехватки времени.
Конечно, технологии еще будут развиваться. Но даже сейчас они уже работают. И дают ощутимый эффект: код становится чище, а PR закрываются быстрее.
Автор: AlexF137
Источник [7]
Сайт-источник PVSM.RU: https://www.pvsm.ru
Путь до страницы источника: https://www.pvsm.ru/c-2/421127
Ссылки в тексте:
[1] Google Critique: https://abseil.io/resources/swe-book/html/ch19.html
[2] Amazon CodeGuru Reviewer: https://docs.aws.amazon.com/codeguru/latest/reviewer-ug/welcome.html
[3] Code Review by Gemini AI · Actions · GitHub Marketplace · GitHub: https://github.com/marketplace/actions/code-review-by-gemini-ai
[4] GitHub Copilot: https://docs.github.com/en/copilot/using-github-copilot/code-review/using-copilot-code-review
[5] DeepCode AI: https://snyk.io/platform/deepcode-ai/
[6] CodeRabbit: https://www.coderabbit.ai/
[7] Источник: https://habr.com/ru/companies/kaspersky/articles/913524/?utm_campaign=913524&utm_source=habrahabr&utm_medium=rss
Нажмите здесь для печати.