夜雨聆风这篇文章解决什么问题
AI 编码助手（Copilot、Cursor、Claude Code 等）已经成为许多开发者的日常工具。但当 AI 帮你写好代码后，你可能会遇到这样的情况：
- • 提交 PR 后，只收到「格式问题请改」这样的表面反馈
- • AI 理解业务逻辑有限，常犯重复的低级错误
- • 审查周期拖得很长，团队效率其实没提升
- • 没有把 AI 的优势用好，反而觉得 "又多了个工具要学"
本文教你一个最小可执行的 AI 辅助代码审查流程。不需要更改整个团队工具链，只需 5 个步骤，你就可以把 AI 变成可靠的审查伙伴。
背景
AI 编码助手生成代码后，审查工作往往落在人肉排查。但 AI 本身也是辅助审查的好帮手：
- • 它能快速读完 diff，标出潜在问题
- • 它能根据代码生成边界测试用例
- • 它能检查常见的安全/性能隐患
- • 它能帮助梳理审查意见，自动生成 reply
关键是要建立一个结构化的流程，而不是让 AI 乱翻东西。
前提条件
- • 项目使用 Git 工作流（branch、commit、PR）
- • 项目有基本的 CI/CD 接入
- • 熟悉你使用的 AI 编码助手（Copilot、Cursor、Claude Code 等）
- • 了解基本的测试框架（Jest、Pytest、Go test 等）
5 个最小步骤
Step 1：AI 先读 PR diff，标出潜在问题
做什么： 把 PR 的 diff 内容发给 AI，让它先做一次快速扫描
为什么： AI 擅长发现重复/冗余代码、类型不匹配、边界遗漏
操作方法：
# 获取当前 PR 的 diff 内容
git diff main...HEAD > pr-diff.txt然后在你的 AI 助手中输入：
请审查这段代码变更，重点检查：
- 1. 类型错误（TypeScript/Python 类型注解）
- 2. 边界条件处理（null/empty array）
- 3. 副作用（修改外部状态）
- 4. 安全问题（命令注入、路径穿越）
- 5. 是否符合常见代码规范
通关标准： AI 提出的 5 个问题中，有 3 个以上是有效问题
常见问题：
- • AI 可能会给出过于理想化的建议
- • 忽略业务特殊逻辑是正常的，需要人工判断
Step 2：AI 自动生成边界测试用例
做什么： 让 AI 为新增/修改的函数生成边界测试
为什么： AI 生成的边界测试覆盖率往往更全面
操作方法：
选中需要测试的函数，输入：
为这个函数生成边界测试用例，包括：
- • 空值/null 输入
- • 空数组/空对象
- • 超长/超大数字输入
- • 格式不正确的字符串
示例（Python）：
# 原始函数
def calculate_total(items, discount_rate=0):
return sum(items) * (1 - discount_rate)
# AI 生成的边界测试
import pytest
def test_empty_items():
assert calculate_total([]) == 0
def test_null_items():
with pytest.raises(TypeError):
calculate_total(None)
def test_negative_discount():
with pytest.raises(ValueError):
calculate_total([100], discount_rate=-0.1)通关标准： 每个新增函数至少补 3 个边界测试
Step 3：AI 检查是否符合团队规范
做什么： 让 AI 审查代码风格和注释规范
为什么： 避免因为 "注释不全" 这样的低级问题又得返工
操作方法：
请检查这段代码是否符合我们团队的规范：
- 1. 函数都有 docstring/type hints
- 2. 复杂逻辑有注释说明
- 3. 变量命名清晰无歧义
- 4. 没有调试代码遗留
检查技巧：
// 不好的代码
function proc(d) {
return d.map(x => x * 2);
}
// AI 建议改进
/**
* 将数组中的每个数字乘以 2
* @param {number[]} data - 输入数字数组
* @returns {number[]} 处理后的数组
*/
function processNumbers(data) {
return data.map(item => item * 2);
}通关标准： AI 没找到规范问题，或团队已接受修改建议
Step 4：AI 检查安全/性能隐患
做什么： 让 AI 审查常见的安全和性能问题
为什么： AI 虽然不懂业务，但对常见漏洞模式敏感
检查方法：
问自己这几个问题（或让 AI 来回答）：
- • 是否执行了 shell 命令？如果是，参数是否被安全转义？
- • 是否操作了文件系统？路径是否经过验证？
- • 是否处理了用户输入？是否存在注入风险？
- • 是否查询了数据库？是否有 SQL 注入风险？
- • 是否有可能引发性能问题（嵌套循环、大文件读取）？
常见安全问题：
// 危险：命令注入
exec('git log --oneline -n ' + count);
// 安全：参数数组
exec(['git', 'log', '--oneline', '-n', String(count)]);
// 危险：路径穿越
fs.readFile(userId + '/config.json');
// 安全：路径验证
const safePath = path.resolve(baseDir, userId, 'config.json');
if (!safePath.startsWith(baseDir)) {
throw new Error('Invalid path');
}通关标准： 没有明显的注入、遍历或敏感数据泄露风险
Step 5：人工复核，AI 辅助沟通
做什么： 人工判断 AI 提出的问题，AI 帮助整理审查意见
为什么： AI 可以快速整理，但最终决策需要人来做
操作方法：
- 1. 人工复核 - 针对 AI 提出的问题，逐一判断是否有效
- 2. AI 整理意见 - 把最终的问题整理成清晰的评论
请帮我整理下面这些审查问题，以清晰简洁的方式写成 PR 评论：
[粘贴你确认的问题列表]
AI 生成的审查评论示例：
Thanks for the PR! I have a few suggestions:
1. **Type safety**: Line 42-45 - The `userData` parameter lacks proper type annotation. Consider adding `User | null`.
2. **Boundary check**: The `calculateAverage` function doesn't handle empty arrays. Should return 0 or throw error?
3. **Security**: Line 78 - Using string concatenation in SQL query. Suggest using parameterized query instead.
4. **Style**: Missing docstring for `processBatch` function.通关标准： 审查意见清晰，被审查者能快速理解和修改
常见问题
AI 提的建议不准确怎么办？
- • 先问 AI 要解释原因："为什么这会被认为是问题？"
- • 让 AI 给出修改建议："如何改成更好的写法？"
- • 如果 AI 理解有误，记下这个案例，下次补充到 prompt 中
怎么让 AI 理解业务逻辑？
- • 在审查开始前，简单介绍业务背景
- • 指出哪些是业务规则约束
- • 让 AI 标记它不确定的地方，人工仔细检查
怎样权衡 AI 建议和自己判断？
- • 对于安全/性能问题：宁可信其可能性
- • 对于业务逻辑：必须人工确认
- • 对于风格问题：参考但不盲从
这个流程要多久？
- • Step 1-2：2-3 分钟
- • Step 3-4：3-5 分钟
- • Step 5：2-3 分钟
- • 总计：10-15 分钟，显著减少人工审查时间
执行流程总结
- 1. 保存代码后，先复制 diff 给 AI
- 2. 让 AI 快速扫描，记录问题
- 3. 让 AI 生成边界测试，补充测试覆盖
- 4. 让 AI 检查规范和安全问题
- 5. 人工判断后，AI 整理审查意见
总结
AI 编码助手是强大的生产力工具，但它不应该只用来写代码。通过这个最小审查流程，你可以：
- 1. 提前发现 80% 的常见问题
- 2. 减少审查周期 50% 以上
- 3. 让团队更早看到高质量的 PR
- 4. 把重复劳动交给 AI，把创造力留给人类
记住这个 5 步流程：
- 1. AI 读 diff，标问题
- 2. AI 补边界测试
- 3. AI 审规范
- 4. AI 审安全
- 5. 人工复核，AI 整理意见
你的 PR 审查效率会显著提升。
