构建一个利用生产数据预测错误的代码审查系统

Sentry的AI代码审查通过上下文预测错误，自动运行并提供修复建议。

该系统专注于发现真实的bug，减少虚假警报和无用的风格建议。

AI代码审查结合了应用的Sentry数据，帮助避免未来引入新的bug。

代码审查系统通过代码分析和Sentry数据检测bug，并向PR提供建议。

AI代码审查的架构包括过滤、预测和打包三个步骤。

在处理大型PR时，系统会优先选择最容易出错的文件。

所有代理都可以访问不同的工具，以获取丰富的上下文信息。

预测基于实际代码更改、PR描述、提交信息和历史数据等。

代理工作流生成假设并尝试验证每个假设。

通过集中验证代理，能够更准确地判断bug的有效性。

系统通过过滤和解析建议，确保用户只收到相关的修复建议。

定期评估系统性能，以提高预测的准确性和可靠性。

使用快照和本地缓存的方式来解决实时API查询带来的问题。

Sentry的AI代码审查系统持续改进，以提高其有效性和实用性。