代码审查已死！程序员应关注正确性、安全性、性能！
内容提要
代码审查已无法应对AI生成代码的速度，应转向自动化、结对编程和设计评审。AI处理格式、安全等机械问题，人类专注架构和业务逻辑。反馈需前置，知识传递发生在写码过程中。Meta数据显示代码量增220%但功能仅增36%，瓶颈已从写码转向审查，需警惕AI偏离意图的“认知债务”。
延伸解读
审查瓶颈：从写码到审码的转移
Meta数据显示代码量增加220%但功能仅增36%，DX调查也显示AI使用率上升但PR吞吐量增长有限。这揭示了一个关键转变：瓶颈已从编写代码转移到审查环节。当AI能快速生成大量代码时，人类审查者成为新的瓶颈，导致大量代码积压，实际产出并未同步提升。
认知债务：理解速度跟不上生成速度
Thoughtworks提出“认知债务”概念，指AI生成代码的速度超过团队理解代码的速度，导致系统复杂度增加而团队理解薄弱。代码审查无法解决此问题，因为它只展示变更内容，不解释设计意图和系统交互。团队需通过设计讨论、结对编程和文档化架构决策来加深理解，而非依赖审查。
AI审查的局限：过度关注风格，忽视关键问题
Meta研究发现AI代码审查工具易过度关注风格和最佳实践，而忽略正确性、安全性、性能等关键问题，称为“agentic drift”。这提醒我们，AI虽能辅助审查，但无法完全替代人类对业务意图和系统影响的判断。人类仍需在关键时刻质疑“我们原本想做什么”，以确保代码符合真实需求。
Q&A
为什么说代码审查已死？
因为AI生成代码的速度远超人类审查能力，传统代码审查流程成为瓶颈。例如Meta代码变更增加220%，但可用功能仅增36%，瓶颈从写代码转向审查代码。
代码审查存在哪些问题？
代码审查承载了过多职责，如知识传递、新人培养、架构对齐、安全审查等，导致信息过载。研究显示30%-50%的缺陷在审查时被看到但未被抓住。
谷歌的实验结果是什么？
谷歌让AI先筛选代码，人类只审查高风险区域，结果线上缺陷率降低了55%。这表明AI能处理机械性问题，让人专注于更复杂的问题。
为什么知识传递应发生在写代码过程中？
因为知识传递发生在写代码的过程中，而非审查时。Thoughtworks的Rachel Laycock指出，先写完再讨论顺序错误。结对编程能让新人看到思考过程，效率更高。
反馈越晚成本越高，具体体现在哪些方面？
设计阶段改白板箭头需30秒，代码完成后改架构需三天；边写边讨论可及时调整，而pull request后发现问题已不想改；本地运行检查比CI后修改更高效。
结对编程有哪些好处？
结对编程能缩短开发时间，提高代码质量，知识传递效率达64%，知识增量54%。两人共同写的代码双方都懂，减少后续审查和返工成本。
人类审查应关注哪些方面？
人类应关注架构决策、业务逻辑隐含假设、系统交互影响、设计可维护性等机器无法判断的问题，而格式、lint、安全漏洞等应自动化。
什么是认知债务？
认知债务是Thoughtworks在2026年4月提出的概念，指AI生成代码的速度超过团队理解速度，导致系统复杂度增加而团队理解薄弱。代码审查无法解决，需通过设计讨论、结对、文档和fitness function来应对。
Meta的220%和36%差距说明了什么？
Meta代码变更增加220%，但可用功能仅增36%，差距184个百分点，说明瓶颈已从写代码转向审查，大量时间浪费在审查、重写、调试上，员工满意度也从74%降至55%。
什么是agentic drift？如何检测？
Agentic drift指AI生成的代码与开发者原始意图之间的偏差。Meta开发了ARCTIC系统检测，初步能减少5.76个百分点的偏差，但根本解决仍需人类在关键时刻质疑意图。
