不管AI时代非Ai时代我就是每行都看的
我七个月前就说我一个月用AI产超过五万行代码
一样每行都看
但也只是看而已
不管是几年前或是现在
大家真的遇到的bug
有多少是可以靠人眼review就可以看出来的？
你人眼抓过多少bug?
实际发生多少bug检讨后是认为可以靠当初多几次review就可以看出来的？
AI时代以前大部分review大家都是讨论很枝微末节的问题
比如命名，空指标检测，错误处理，函数reuse
真的架构性的问题不会在review的时候讨论，那是写code之前就要讨论好的
现在AI时代那些枝微末节的review 开subagent 叫AI看就好
架构问题用superpower就好
测试问题叫AI写就好，覆蓋率比非AI时代高多了
怕他乱绕过测试
现在superpower也可以处理，先从必错的测试开始写起
回到人眼review本身
你各位平均看多少行能够用人眼抓到一个bug?
而且这个bug是AI subagent review不到的？AI写测试也抓不到的，而且还是严重到major的等级（critical我个人认为AI不可能抓不到，minor bug 通常没人在意不影响公司运作）

你的系统不够复杂吧 ai抓不到的严重错误比比皆是==敝司最近就遇到一个 ai不晓得底下资料什么状况，以为某资料一定存在，就依赖那个资料来优化效能，就炸了而且整个流程被大改，所以也不能简单打补丁

你用什么AI，用CLI吗？你的bug人眼review的出来吗？如果人眼还review的出来但AI看不出来，那恭喜你你的护城河很深

当然不行啊 我是在回你最后一句

所以不管人眼或AI都review不出来？那人眼review还有意义吗XD不过我这篇不是吹AI多棒，是探讨人眼review是否还能抓到bug

ai 第一次没有搞懂你需求的状况还少过了吗== 看一下code不行 马上回滚重来 还少见了 还是你任何功能都写完整spec塞给他 那我很佩服你们的工程文化

我讲的当然是上PR后的 peer review

他原文问的也不是 code review 是自己 ai 产生的程式码，你自己也说你会每行看的

我每行看是指上PR后再一起看，中间过程不看的

你一次生成几千行扣中间都没看过 而且很少需要重来？要嘛你真的是写spec的天才 要嘛你们产品真的很简单

我中间回滚还真的很少用到，可能我会把task拆的够小，没上PR前我不看code的

也可能你们 code base 维护的很好 我发现ai在垃圾代码库上常常出包 在维护良好的代码库就很好

不然你就用superpower吧，他写扣前会问你超过十个问题问到你烦，这样搞错需求的可能性变到几乎为0了

很多时候我感觉他会出包 就是因为程式的假设被隐含在人脑里面 而不是写在程式的里面 那你忘记跟他讲 他就出包我自己是用 rule 把他弄成会问很多问题的状态

那很好啊，如果在他问你很多问题的状况下，还会搞错需求，那可能你们产品护城河真的很深不容易被AI取代我个人实务，工作拆得够小，AI模型够先进，问足够多问题的状况下还会搞错需求的可能性几乎为0，也就不存在中间还要看代码回滚的时机

我讲的是我 我不晓得其他人都怎么做的

不太晓得AI不同意对程式的理解和护城河深不深的链结

但是我相信代码库很烂的状况下 一定还是会有一些漏掉的问题

有时候AI就是不问直接干，诱导AI提问比自问自答好多了

预防不问直接开干，就是superpower或妳自己弄一个框架也行不说护城河很深，难道要我说是你不会用AI吗？

一堆没用过的superpower就闭嘴好吗 配上gpt5.5已经屌打95%以上工程师了

发现这边很多不了解AI威力的传统工程师google, meta这些都在鼓励用 难道他们都人肉revivew

code review要看那个在review的人在意的点是什么严重Bug 还是 风格、解这个问题的处理的方式、又或者是否符合团队习惯还是他个人期望其余就是拼测试覆蓋程度，重要的系统再补线上环境用的脚本再跑一轮确定没问题说真的code review确实也可以丢给ai看 甚至我会认为该给他的看 你再培养Ai让他知道你的习惯跟想法因为memory资料会留下来 下次 ai 在产出新的东西或帮你做什么的时候 会无限贴近你的习惯跟期望会有些第三方软件有做connector 你接下来之后我是claude cowork来帮我整理其他的资料方便超多要对系统audit、找弱点、设计问题也是丢给ai agent自己去跑 然后开 remote control 去别的地方 手机稍微看一下就好认真说 很多事情都可以丢给ai agent处理 但是就看你想不想自己去尝试 现在做不到的 未来大多应该都可以解 反正就算没有 你也本来就不会下去做

这已经是不可逆的趋势了 只剩一堆自我感觉良好的手搓达人 基本上就是等著被淘汰

有些人可能觉得Ai 做不出你要讲的结果 或是觉得不好用 这个问题就跟任何人在三个阵营的使用者互相嫌别人的Ai模型烂的状况差不多请Ai Agent帮你优化系统 那就要看 你让Ai Agent对你专案的了解多少 他如果只是靠纯通灵的方式帮你改 改出来的东西不是你要的非常正常如果你是claude，effort 设定是 medium 还是 xhighor max 出来的东西还是不一样专案过往的垃圾代码 还是主管留的坑 或是很难懂的我是不知道某楼的状况 但可以考虑请Ai 去理解那段代码 请他写成注解 再看他有没有通灵成功 没有就 修到你觉得是对的最后 Ai 还是没有办法帮 只有两种可能你的那个领域的东西即使学了地表上所有知识的Ai都无法通灵成功 表示这个地方应该是有问题 就算请新人来也没有人可以处理另一个情况则是 这个本来就不是Ai公司可以用爬虫跟干别人资料得到的资讯

楼上你浪费时间跟AI吹仔讨论了

我只能说懂得都懂 没有不能用ai 但这里一堆根本连怎么好好review 都不会的95%码农当然要看一下ai在干嘛 但大部分人的review 就是看错别字….

就这里大部分的人工作的时候根本没有好好code review吧 至少我待过的公司同事都很认真review

我没有说不能review 喔，我只是要问从效率CP值层面来看，人眼抓了多少AI抓不到的major bug?

让AI每一行都注解在做啥，毕竟看中文比看code快AI在业务逻辑比较会写出套娃垃圾

现在公司也都导入AI review 而且都能抓出蛮多我没注意到的问题 有时候就想如果AI Review这么好 那人工看的意义在哪

你们知道为什么有些瞎吹AI者令人嫌恶吗？因为他们做的事情本质上就是在一个不稳定且不确定的基础上加盖东西不断进行各尝试，但成功尻出自己要的东西时，仍说不出为什么这样会可以，以及未来LLM或厂商变动又该怎么做，可是与人讨论不只不重方法交流，居然还尻出优越感，有事没事就在宣扬“会用的取代不会用的”那套。交流风气的败坏莫此为甚。

量子物理也是机率性没有百分之百，内存需要错误更正码也是因为内存有一定机率毁损，电子不是永远都乖乖照你想要的方式排列好通讯理论的底层也是条件机率分布，多核心电脑的并发操作，在没有原子操作的保证下，是没办法保证执行绪的先后顺序。这个世界本来就充满不确定性还有浮点数运算，先后次序调换数值就变了

我其实不是要讲你，没想到你却跑来对号入座了。正是因为世界充满不确定性，所以当有些人成功尻出东西

微电子学元件物理也是一堆机率函数

却连背后原理和规则都讲不清楚就在大谈技术和取代时，

就连数学，都有哥德尔不完备定理，被证明永远无法被证明真伪

那种嘴脸才会这么令人嫌恶。要知道你讲的那些除错对策的研发人员是有搞清楚到底发生什么事，经评估没有更佳控制方式才用那种对策，这跟连整套AI大厂服务有一整块自己都搞不太懂只能一阵尝试的人是完全不同的情况。

人类本身也是不确定性啦，同样的需求两个人类去写出来的代码也一定不一样，何必在意XD

正是因为有不确定性，所以人们往来应该更重交流，

甚至同一个人，不同时间去写相同需求，代码也会不一样

而不是像有些人根本还没搞懂整套运作机制就凭赌赢的

好了啦XD

经验在到处宣扬自己有技术，自己能取代等荒谬论点。

你就太重视逻辑因果，比如一定要先搞懂才能参与讨论。但其实这世界是机率论，不是因果论

如果觉得不确定、机率是常态，那尻得出来更不该叫技术在根本不清楚具体原理细节的情况下那就只是这次赌赢了赌徒会说怎样布局、啥时入场赢面大，不会说那叫技术。

XD

建议楼上别浪费时间，有些人怎么说都不会懂的，就是有些人是无法交流的，这里哪些是那种人也显而易见

遇过一个bug 把整段error log贴给Claude Code Opus它自己看code和library猜发生原因去修修了好几次都没修好 后来我受不了 花了大概30分钟去追再要Opus照着我的指示去修 就修好了我觉得code base稍微大一点 context要求一高目前的LLM还是很容易搞不清楚

就是有老人不愿意面对AI比自己有用的事实

通常中年说教男就是不肯面对的 软件业这种一堆

老板觉得ai比rd有用 就是有用

又绕回老话题了 哈哈

要不要先用你的ai查一下google , meta有没有把人眼codereview 从软件开发流程全拔掉

Review 流程还在啊，只是很多人都改用AI来代替人工review了

ai review 一直过不了的还是得回去肉眼看就是了特别是让 ai 改写旧烂 code 的时候这种现象蛮多的

只有公司的才会拿ai稍微看一下 需要保密的行业也不能看 别人知道你营业密秘或漏洞都很严重 一般公司的就先算了 老板高层想放弃自己 甚至幻想一堆就没办法了

Minor不在意？中间回文那是一堆什么奇怪东西 执行绪不能保证顺序那你写扣不就一堆race condition

如果review只是要看语法、逻辑错误那真的不如叫agent review就好了。个人认为请"人"review的重点在一个需求可以用多种方法达成时帮忙看为什么是用A而不是B或C来做，这种可能跟潜在业务需求有关你又没让agent知道的。

人眼review得到的bug AI几乎都看得出来不要怀疑 最近才刚用AI解决了查好几周的问题人眼真的看到死

看不出逻辑问题的的确也不用自己看 迟早被裁员Google有一大堆自动化工具检查code但还是要人看

这样看有意义吗？

推楼楼上说的没错

产五万行代码能说明啥？只证明你功力差而已 强者是缩减代码 肉脚才在堆行数 菜还不自知

楼上你不知道硅谷大厂天天在抱怨AI堆行数吗？

好了啦 你连硅谷IP都生不出来 还来扯硅谷 人云亦云 知不知道token 怎么计算 LLM背后数学函数懂吗 懂混合调度吗 就这程度还来扯硅谷 过去浪费公司钱而已要是硅谷新创都这种咖小 不用一个月就都破产了

大家现在都有一样的AI了，产代码已经不分硅不硅谷了原来用AI产代码需要知道背后数学函数啊XD不过后面的数学有很难懂吗？梯度下降，反向传播，矩阵运算，目标函数，softmax，不是看个影片就可以懂个七七八八？AI背后用到的数学：微积分，机率统计，线性代数，这个我都修过，很多人应该大学也修过至于怎么省token,我之前写过一篇文讲上下文工程

果然菜鸡 以为大家使用相同语言模型 而且认为不需要懂背后数学 证明自己仅仅只有“使用”能力 去看了你上篇文章 本身没问题 你内文也说了是参考网络大神的做法 说真得就这水平 不要扯硅谷大厂 你就不是 人家没那么菜

好的 我菜鸡谢谢

AI吹仔就没料 一看便知