夜雨聆风写代码变便宜了，理解代码从来没便宜过
当 AI 智能体（Coding Agent）能在你读完这句话的时间里生成 1000 行格式工整的代码时，软件工程中最难的部分已经悄悄发生了转移——从「写代码」变成了「判断这段代码能不能信」。
Google Chrome 性能专家、Addy Osmani 最近发布了一篇重量级长文《Agentic Code Review》，用 2026 年最新的大规模数据，讲透了 AI 编程时代代码审查的新格局。
2026 年的数据说明了什么？
AI 带来的生产力提升是真的，但原始产出的增长被严重高估了：
• Faros AI 追踪了 4000 个团队的 22000 名开发者，发现采用 AI 后代码产出大幅提升，但代码流失率（churn）飙升 861%，事故与 PR 比率上升 242.7%，人均缺陷率从 9% 暴涨到 54% • 中位审查时长 增加了 441.5%，而零审查合并的 PR 增加了 31.3% • CodeRabbit 研究了 470 个开源 PR，AI 协作的代码问题量是纯人工编写的约 1.7 倍，安全问题多 1.5-2 倍，可读性问题翻了三倍多 • GitClear 的数据显示，日常使用 AI 的开发者产出了约 4 倍的原始代码，但实际生产力提升只有约 12%
你在生成 4 倍的代码，交付的价值只多了十分之一，而且每一行代码仍然需要人来审查。
审查为什么变难了？
过去代码审查能顺利运转，是因为一个幸运的偶然：高级工程师读代码的速度比初级工程师写代码快，审查自然跟得上。
这个事实已经不存在了。
更深层的问题是：人类写代码是会附带「意图」的——为什么这么写、权衡过哪些方案、排除了什么——这些信息自然地存在于作者的脑中，审查就是检验这些推理的过程。
而 AI 生成的代码呢？它其实也「推理」了，但那些思考痕迹通常在被产出 diff 的那一刻就丢弃了。审查者不得不成为第一个看这份代码的人类，去重建一个从未被写下来的「为什么」。
不同的人在做不同的事
文章强调了一个被很多人忽略的问题：大多数关于 AI 编程的建议，都是一个极端上的人在教另一个极端上的人怎么生活。
三个变量决定了你的处境：
1. 影响半径——出事了会怎样？没事，还是丢钱丢数据？ 2. 代码存活期——下周就重写的原型，还是要维护十年的系统？ 3. 需要多少人理解——只有你一个人掌握全局，还是整个团队要共享？
如果你是独立开发者
没有用户、绿色项目时，可以多依赖测试和自动化，审查重点部分就好。重复和流失的代价很低，因为代码可能下个月就不在了。
但有一个血泪教训：跳过审查而没有安全网，不是在省功夫，是在以更高的利息延期支付。
如果你在维护大团队的旧系统
这里的每个数字都和你有关。一个没人理解的变更，就是明天的 on-call 事故。唯一的出路是分层审查、证据要求严格、由人类控制合并。
最危险的过渡期
项目开始有用户了。这是最危险的中间地带，也是最容易被忽视的。
Bug 开始真的伤人了，知识共享也不再只是你一个人的事了。但团队往往还带着独立开发时代的习惯，等出现问题复盘时，Faros 的那些数字就不再是图表，而是你们自己的面板。
怎么办？分层审查
核心思想很简单：把审查力度匹配到出错代价上。
• 配置变更 → 一个 linter + 扫一眼 • 核心业务逻辑 → 类型检查 + 测试 + 两个不同的 AI 审查 + 负责该系统的真人 + 安全检查
把便宜的确定性检查往前推，把人类的注意力留给只有人能做的事。
AI 审查工具该怎么用？
好消息是现在的 AI 审查工具真的很强了：
• CodeRabbit：覆盖面最广，召回率最好 • Greptile：Bug 捕获率约 82%，但假阳性也多一些 • Anthropic Code Review：不到 1% 的标记被认为是错误的
最有意思的发现来自一个独立实验：有人在 146 个真实 PR 上并行跑了四个审查工具，结果 93.4% 的标记位置只被其中一个工具抓到，四个工具从未同时标记过同一行代码。
所以不要纠结「哪个最好」，不存在。在高风险场景下，跑两个不同风格的审查工具。
该让 AI 审查多少？
文章提出了一个尖锐的问题：机器已经在审查你的大部分代码了，你要不要主动面对这件事？
答案是：人类不应该离开，但要升一个层级。
从「人机协作」（Human in the loop）变成「人在环上」（Human on the loop）——抽样、抽查、审计系统，而不是读每一个 PR。把你的有限注意力花在出错真正会疼的地方。
这也是 Addy 自己在开源项目上的实践方式：让 Claude Code 或 Codex 先对一堆 PR 做第一轮分类——哪些安全可合、哪些需要更多工作、哪些真正高风险。他不是直接自动合并，而是用这个分类来分配注意力。
对你的团队意味着什么
瓶颈不再是写代码的速度，而是一个值得信任的人能多快对变更建立信心。
因为「AI 让我们更快了」就裁掉提供这份信心的人，不过是在把今天的节省转化为明天的事故。
Faros 的报告说得很直接：QA 和审查工作随着产出一起上升。因为「AI 让我们更快了」就减少工程人员是危险的，除非你先解决了审查缺口。
高级工程师的税——审查时间三位数增长——最沉重地压在你最不能瓶颈的人身上，而且任何只统计合并 PR 数量的指标都看不见它。
最后
代码审查没有因为 AI 智能体的到来变得不重要。它变成了核心活动。
写代码越来越廉价，而且每个月都在变得更廉价；持续的优势在于构建一个让你能信任所写内容的体系。
正如 @simonw 一直说的：你的工作是交付你证明过能工作 的代码。AI 没有改变这一点。它只是让「证明」成了工作的核心，而不是事后补上的环节。
对一个系统理解到足以为之负责的程度，是软件行业中最持久、最有趣的技能，而现在正是将它练到极致的最好时机。
