我们如何在不逐行阅读的情况下审查 4 倍以上的 AI 代码

Aviator 公司的九名工程师不再逐行阅读 AI 生成的代码，而是改为检查五件事：改动背后的意图、验收标准、不能破坏的不变量、过程中的决策，以及证明它能工作的证据。以前 AI 每周生成合并的 PR 从约 100 个涨到 400 多个，单个 PR 中位数达 640 行，远超 400 行的可审查上限，人工逐行看不过来，他们还试过 AI 审查机器人、四小时审查时限和自审技能，效果都不好。他们把审查拆开：让审查 agent 在 PR 出现前先辩论分歧，从编码会话中记录意图和验收标准，把 1.14 万条历史评论提炼成 64 条可自动验证的不变量（其中 19 条能在 0.3 秒内确定性运行），并用预览环境截图、请求和日志为每条标准提供证据。结果是同一批人合并的 PR 增加到 4 倍，合并中位时间从 2.1 天降到 3.4 小时，回滚减少 40%，且每个 PR 仍有人类签字确认。