作者Ria Gopu David Apirian排版Alan WangCopilot 代码审查如何帮助团队跟上 AI 加速带来的代码变更。自去年 4 月我们首次推出 Copilot 代码审查CCR以来其使用量已增长了 10 倍目前已占 GitHub 上超过五分之一的代码审查。在幕后我们持续进行实验以提升评论质量。同时我们也迁移到了基于智能体的架构能够检索代码仓库上下文并对变更进行推理。在整个过程中我们始终倾听你的反馈无论是问卷调查还是你对评论简单的点赞或点踩都帮助我们识别关键问题并不断优化用户体验从而提供更全面的审查体验。Copilot 代码审查可以处理 Pull Request 的审查和摘要使团队能够专注于更复杂的任务。——Suvarna RaneGeneral Motors 软件开发经理重新定义“好的”代码审查随着 Copilot 代码审查的不断演进我们对“好的代码审查”的定义也在变化。2024 年刚开始构建时我们的目标只是做到足够全面。此后我们发现开发者真正看重的是高信号的反馈——能够帮助他们快速推进 Pull Request。如今Copilot 代码审查结合了最先进的模型、记忆能力以及智能体工具调用能力来执行全面的审查。为了实现这一点我们通过持续评估循环来优化智能体的判断能力重点关注三个关键特性准确性、信号价值和速度。准确性我们的目标是让 Copilot 代码审查具备可靠的判断能力优先关注关键的逻辑问题和可维护性问题。我们通过两种方式评估其表现一是基于已知代码问题进行内部测试二是利用来自真实 Pull Request 的生产环境信号。在生产环境中我们重点跟踪两个关键指标开发者反馈通过对评论的点赞或点踩帮助我们判断这些建议是否真正有用。生产信号衡量被标记的问题是否在合并之前得到解决。这些信号共同确保 Copilot 代码审查能够识别真正重要的问题同时也保证更快的合并来自于有信心的修复而不是降低审查标准。信号价值在代码审查中评论越多并不一定代表审查越好。我们的目标并不是最大化评论数量而是突出那些真正重要的问题。高信号的评论能够帮助开发者同时理解问题所在以及如何修复沉默优于噪音。在 71% 的代码审查中Copilot 代码审查会提供可执行的反馈而在剩余的 29% 中智能体则完全不做评论。随着我们识别高信号问题能力的提升我们也能够更加自信地进行评论。目前每次审查平均约产生 5.1 条评论同时并未增加审查反复修改的情况也没有降低我们的质量标准。速度在代码审查中速度很重要但信号价值更重要。Copilot 代码审查旨在在 Pull Request 打开后不久提供一次可靠的初步审查。当然有意义的审查仍然需要分析。随着推理能力的提升为了发现更深层问题所需的计算量也随之增加。我们将其视为一种有意识的权衡。在最近的一次改进中引入更先进的推理模型使正向反馈率提升了 6%尽管审查延迟增加了 16%。对我们来说这是值得的取舍。相比即时但充满噪音的反馈稍微慢一点但能发现真正问题的审查更有价值。我们会在可能的情况下持续降低延迟但绝不会以牺牲开发者可以信赖的高信号反馈为代价。试用 Copilot 代码审查理解你代码库的 AI 审查智能体Copilot 代码审查可以帮助你发现缺陷、提升代码可读性并通过 AI 建议加快 Pull Request 的反馈速度——所有这些都直接发生在你使用 GitHub 的工作环境中。它无缝融入现有的 Pull Request 工作流让你的团队更高效、更有信心地交付代码。 在 GitHub 上开始使用 Copilot 代码审查 https://docs.github.com/en/copilot/get-started/quickstart/?wt.mc_id3reg_webpage_reactor关于智能体架构基于我们对“优秀代码审查”的新定义我们重新构建了代码审查系统。如今的智能体架构能够智能检索上下文并探索代码仓库从而理解逻辑、架构以及特定约束条件。仅这一转变就带来了 8.1% 的正向反馈提升。原因如下边读边发现问题而不是事后总结此前智能体通常在审查结束时才汇总结果这很容易“遗忘”早期发现的问题。跨审查保留记忆现在每个 Pull Request 不再是孤立事件。如果在代码库某处识别出模式它可以在后续审查中复用这些上下文。通过明确计划处理长 PR它可以提前规划审查策略在面对长且复杂的 Pull Request 时显著提升表现这些场景中上下文往往容易丢失。读取关联的 Issue 和 Pull Request额外的上下文帮助发现细微问题包括那些在局部看似合理、但与项目整体需求不一致的情况。让审查更易理解和导航通过不断优化智能体与 Pull Request 的交互方式我们减少了噪音并让反馈更具可操作性。对你来说这意味着通过多行评论快速理解问题以及修复方式我们不再将评论固定在单行代码上而是将反馈附加到逻辑代码片段范围中让你更容易理解其指向并应用建议的修改。保持 Pull Request 时间线清晰易读对于同一类模式错误智能体不会生成多个分散的评论这往往让人不堪重负而是将它们聚合为一个统一、连贯的反馈从而降低认知负担。通过批量自动修复一次性解决整类问题你可以批量应用建议的修复一次性解决一整类逻辑缺陷或代码风格问题而无需在多个零散建议之间频繁切换。带走这些要点随着 AI 持续加速软件开发帮助团队在大规模场景下高效审查并信任代码变得比以往任何时候都更重要。Copilot 代码审查通过在 Pull Request 中直接提供高信号反馈帮助团队跟上节奏让开发者更早发现问题并以更高信心完成合并。目前已有超过 12,000 家组织在每个 Pull Request 上自动运行 Copilot 代码审查。在 WEX这种默认启用 AI 辅助审查的转变推动了 Copilot 在整个工程组织中的规模化应用如今三分之二的开发者都在使用 Copilot——包括组织中最活跃的贡献者。此后WEX 通过在所有代码仓库中默认启用 Copilot 代码审查进一步扩大了采用范围。开发者也在大量使用智能体模式和编码智能体来提升自主性帮助 WEX 实现了显著的部署增长代码交付量提升约 30%。——WEX 客户案例WEX 客户案例https://github.com/customer-stories/wex/?wt.mc_id3reg_webpage_reactor展望未来我们将专注于更深度的个性化和高保真的交互体验让智能体学习你团队那些未明说的偏好同时支持双向对话使你能够在合并前不断优化修复方案并探索不同实现路径。随着 Copilot 能力不断演进——从编码、规划到审查与自动化——目标始终很简单在保证软件质量与信任的前提下帮助开发者更快前进。立即开始Copilot 代码审查是一项高级功能包含在 Copilot Pro、Copilot Pro、Copilot Business 和 Copilot Enterprise 订阅中。你可以参考以下资源选择适合的订阅方案https://docs.github.com/en/copilot/get-started/plans#ready-to-choose-a-plan/?wt.mc_id3reg_webpage_reactor在没有 Copilot 许可证的情况下启用代码审查功能https://docs.github.com/en/copilot/concepts/agents/code-review#copilot-code-review-without-a-copilot-license/?wt.mc_id3reg_webpage_reactor观看演示视频https://youtu.be/HDEGFNAUkX8?sis9DauqsFZCdtpCtI/?wt.mc_id3reg_webpage_reactor如果你已经启用了 Copilot 代码审查可以查阅相关文档在你的代码仓库或组织中为每个 Pull Request 设置自动代码审查。有任何想法或反馈欢迎在我们的社区讨论帖中告诉我们。为每个 Pull Request 设置自动代码审查https://docs.github.com/en/copilot/how-tos/use-copilot-agents/request-a-code-review/configure-automatic-review/?wt.mc_id3reg_webpage_reactor社区讨论帖https://github.com/orgs/community/discussions/186303/?wt.mc_id3reg_webpage_reactor