领英如何利用AI每周评审4万个拉取请求
内容提要
领英因AI编码代理导致代码评审成为瓶颈，自研多代理AI评审系统，每周覆盖超4万PR，多数评论早于人工评审。系统采用编排器-子代理模式：多个模型独立评审同一PR，合并重复发现，再由另一模型验证单一发现，并按公司、仓库、PR三层规则注入上下文。上线前用LLM评审和黄金数据集评估，生产中每日跟踪评论采纳率（达63.9%）。下一步将推出风险热力图，优先标注高风险代码区域。
延伸解读
从“写代码”到“审代码”的瓶颈转移
文章指出，AI编码代理让写代码的速度大幅提升，但人工评审的时间有限，导致评审成为新的瓶颈。领英每周有数万个PR，自研AI评审系统覆盖超4万个，且多数评论早于人工评审。这提示团队：当编码自动化后，需要同步投资评审自动化，否则整体交付速度仍受限于人工评审环节。
多代理架构如何减少幻觉与知识盲区
领英采用编排器-子代理模式：多个模型独立评审同一PR，合并重复发现，再由另一模型验证单一发现。这种设计让不同模型覆盖彼此的知识盲区，并通过交叉验证降低幻觉风险。文章提到，单一模型即使搭配规则文件仍会产生大量幻觉，而多代理的独立评审和验证机制能提升评论的可靠性。
分层规则注入比单一规则文件更灵活
领英没有采用简单的规则文件注入，而是按公司、仓库、PR三层设计规则，每层有独立范围和负责人，由专门子代理执行评审。文章解释，单一文件无法同时容纳公司通用规则、团队约定和特定变更的检查项。这种分层设计让AI评审更贴合代码库的实际约定，减少泛泛而谈的评论。
评估体系：发布前对比与生产端采纳率
领英在发布前用LLM评审和黄金数据集评估变更，生产中每日跟踪评论采纳率，目前达63.9%。文章强调，采纳率以代码是否实际修改为准，而非表情反应。团队还按类别分析采纳率，并据此决定禁用哪些规则或调整提示。这显示AI评审系统需要持续评估和反馈闭环，而非一次上线就结束。
Q&A
领英为什么要自研AI代码评审系统？
领英有超过1万个活跃代码仓库，每周有数万个PR。随着AI编码代理加速代码编写，评审成为瓶颈。领英最初试用供应商的评审工具，但评论嘈杂且通用，工程师失去信任并要求退出。因此领英决定自研AI评审系统，以在人工评审前提供高信号、贴合代码库的评论。
领英的AI评审系统是如何工作的？
系统采用编排器-子代理模式。编排器获取diff和代码库上下文，分发给多个子代理独立评审同一PR，每个子代理可使用不同模型。然后编排器合并重复发现，按置信度排序，并将仅由一个子代理提出的发现交给另一模型验证。最后过滤掉低价值评论后发布。系统还按公司、仓库、PR三层注入规则。
领英如何评估AI评审系统的效果？
评估分发布前和生产中两阶段。发布前用LLM作为裁判，按六项加权标准对比生产版和候选版的评审，并用黄金数据集（人工标注正确评论）计算精确率和召回率。生产中跟踪评论采纳率，即代码是否因评论而改变。领英的采纳率达63.9%，并发bug和死代码类评论采纳率100%，逻辑错误80%。团队每日运行采纳检查并生成趋势报告，用于调整规则和提示。
AI评审系统如何处理多个模型的评审结果？
系统分三步处理：首先多个子代理独立评审，互不见彼此发现，以保证独立性；然后编排器合并重复发现，先通过确定性检查标记行范围重叠的候选，再用LLM语义判断是否同一问题，合并后提升置信度；最后对仅一个子代理提出的发现，交由另一模型验证，验证通过的按重要性评级，矛盾则降低置信度，低分发现被过滤。
领英的AI评审系统上线后效果如何？
系统每周覆盖超过4万个PR，大多数评论在首位人工评审者打开PR之前发布。工程师对AI评论的采纳率为63.9%，其中并发bug和死代码类评论采纳率100%，逻辑错误类80%。这表明工程师会依据大部分AI评论采取行动。
领英AI评审系统下一步计划是什么？
下一步将推出风险热力图，对PR diff的每个区域按预测风险评分，让工程师优先评审风险最高的部分。此外，领英认为评审之后的瓶颈是对软件整体质量的信心，计划将AI工具扩展到部署、监控和事故处理等领域。
