From Human-Centric to Agentic Code Review: The Impact of Different Generations of Generative AI Technology on Review Qua

TL;DR 大规模实证分析 102 万 PR，发现 AI agent 审查提速但未提质量，人类-AI 协作模式成效率主导因素，为高效协同审查设计提供依据。

问题

随着生成式 AI 在软件开发中的普及，代码审查正从完全人工转向 人工主导 → LLM 辅助 → AI Agent 评审 的多代际协作模式，业界迫切需要实证依据来指导这一转型。

现有方法局限：当前研究多局限于评估单一 LLM 工具或短期实验中的审查表现，缺少对 完整过渡过程 的大规模挖掘。具体而言：

• 未识别项目采纳 AI 评审的 典型实践模式（渐进式 vs. 激进式）；
• 未系统建模 人类-LLM-Agent 三方交互序列，导致无法量化协作模式对效率与质量的影响；
• 忽略 审查效率与质量的权衡，可能造成“效率幻觉”，即 merge 加快但 review smells 增加。

为什么难/重要：代码审查需深度理解代码语义和项目上下文，AI 的引入可能引入 审查噪声（如无效评论、误报）或 责任模糊，而 agent 自主评审更挑战传统 human-in-the-loop 机制。该研究通过 207 个项目、102 万 PR 的实证，首次揭示 agent 主导的审查模式 在特定采纳策略下可加速决策，但 未提升质量 的反直觉结论，为团队设计 AI 代码审查流程提供了关键警示。

行业类比：类似于 CI/CD 中从手动部署到自动灰度发布，引入 AI 代理需建立 质量护栏，而非单纯追求流速，否则可能重蹈“快速交付、快速积累技术债”的覆辙。

核心洞察

• AI Agent 驱动的代码审查陷入“效率-质量困境”：尽管引入 AI Agent（尤其是多个 AI Agent 协同或 Agent 发起审查）能显著缩短评审决策时间，但这种加速并未提升评审质量（如减少评审坏味）。与之前仅关注 LLM 辅助的研究不同，本文首次大规模实证揭示了从 LLM 到 Agentic 过渡中，效率与质量存在脱节，提示工程团队不能仅以速度指标衡量 AI 审查工具的效用，需设计专门机制（如策略性人验、质量闸门）来遏制质量稀释。
• 人-AI 协作模式取代传统指标成为审查效率的主导因子：以往研究多聚焦拉取请求大小、变更类型、参与者经验等静态特征，本研究发现一旦 LLM 或 AI Agent 参与，交互序列中的人-AI 协作模式（如谁发起、谁收尾、串行还是并行）对效率的解释力最强。这一视角转变启示工具设计应重视协作流程建模与动态干预，而非仅依赖代码特征预测耗时，为下一代智能审查系统提供了以交互为中心的优化思路。

方法

研究基于 1.02 百万个已审核 Pull Request(PR)，覆盖 207 个 GitHub 项目，横跨三个代码审查时代：Human-Centric、LLM-Assisted 和 Agentic Code Review。首先，通过分析项目时间线与 AI 工具引入点，识别出三种 AI 采用实践：Gradual AI Adoption、Rapid LLM Adoption 和 Rapid AI Agent Adoption。接着，将 PR 评审讨论建模为 Reviewer Interaction Sequences，序列中的每个元素标注参与者身份（Human / LLM / AI Agent），从而刻画人与 AI 在审查过程中的协作模式（如谁先发起审查、是否有多 AI Agent 参与等）。进一步，定义两大输出变量：Review Efficiency（以 PR 决策时延衡量）和 Review Quality（通过审查异味如“Review Smells”来评估）。为了解释效率与质量的变化，选取解释因素，包括 PR Characteristics（如 PR 类型、改动规模）、Review Activity（评论数、参与人数）、Participant Experience 以及 Human-AI Collaboration Patterns。通过回归建模与统计比较，分析不同采用实践下，协作模式如何影响审查效率和审查质量。结果发现，AI Agent 参与的协作模式（尤其 AI Agent 发起审查或多 AI Agent 参与）在 Gradual AI Adoption 和 Rapid AI Agent Adoption 下与更快决策相关，但并未转化为更高的审查质量；且一旦 LLM 或 AI Agent 参与，人机协作模式成为解释审查效率的最重要因素。与同类研究相比，本工作首次从大型实证角度量化了三代 AI 技术过渡中人机协作模式的动态影响，揭示了效率与质量的非同步变化。

实验

实验设计

研究从 207 个 GitHub 开源项目的 1.02 百万个已审核 PR 中提取数据，覆盖三个代码审查时代：Human-Centric（纯人类审查）、LLM-Assisted（人类 + LLM 辅助）和 Agentic Code Review（人类 + LLM + AI Agent）。作者识别出三种 AI 采纳实践：Gradual AI Adoption、Rapid LLM Adoption 和 Rapid AI Agent Adoption，并将 PR 审查讨论建模为 reviewer interaction sequences（审查者交互序列），刻画人类、LLM 和 AI Agent 审查者的协作模式。实验以 review efficiency（审查决策时长）和 review quality（review smells，即审查坏味）作为质量指标，并通过回归模型分析 PR 特征、审查活动、参与者经验及人机协作模式等解释因子的影响。

关键发现

• AI Agent 参与的协作模式（尤其是由 AI Agent 发起或多 AI Agent 交互的审查）在 Gradual AI Adoption 和 Rapid AI Agent Adoption 中显著缩短审查决策时间，但在 Rapid LLM Adoption 中效果不明显。
• 效率提升并未转化为更高的审查质量：agent-involved 模式下的 review smells 没有减少，甚至在某些场景中略有增加，表明速度与质量之间存在权衡。
• 人类-AI 协作模式成为解释审查效率的最强因子，其重要性超过传统的 PR 类型和审查活动变量，尤其在 LLM 和 AI Agent 参与后，传统因素虽仍有影响，但相对贡献下降。
• 审查活动（如评论数量）和 PR 类型（如修复 vs. 新功能）在所有时代中始终是影响质量的稳定因素，AI 的引入未改变其基础作用。

与基线对比的解读

基线可视为纯人类审查（Human-Centric era）及不同 AI 采纳路径间的横向对比。Gradual AI Adoption 因逐步引入 AI，人机协作磨合更充分，效率提升最稳健且质量下滑可控；Rapid LLM Adoption 由于仓促部署 LLM 审查者，缺乏流程适配，效率增益微弱且质量波动较大；Rapid AI Agent Adoption 虽快速提升了决策速度，但审查坏味有抬头趋势，提示 Agent 自主性可能绕过人类深度检查。整体而言，单纯的效率加速不足以评判 AI 辅助审查的成功，必须建立以质量守卫为核心的人机交互协议，避免将代码审查降级为自动化表决。这一结论提醒工具设计者：在 CI/CD 流水线中集成 AI 审查时，应保留人类对 Agent 输出的否决权与深度复核环节，而非追求全自动 LGTM。

行业影响

落地场景

论文揭示了从人工代码审查到 LLM 辅助审查 再到 AI 代理审查 的演变规律。相关发现可直接应用于 GitHub、GitLab、Bitbucket 等平台的代码审查模块，以及 Jenkins、GitHub Actions 等 CI/CD 管道中集成的自动审查工具。典型适用业务包括：

• SaaS 服务与云平台：高频发版项目（如微服务架构）需快速审查大量 PR，AI 代理可承担首轮审查或琐碎检查（格式、简单规范）。
• 金融科技与合规系统：对代码安全与规范要求严格，AI 代理可自动标记潜在漏洞或违反合规项，人工聚焦高风险逻辑。
• 电商与内容平台：大规模前端与后端迭代，引入 AI 审查可缩短功能上线周期，同时保持质量基线。

商业价值

• 降本增效：根据论文，引入 AI 代理的“代理发起审查”或“多代理参与”模式可显著缩短审查决策时间。企业可减少资深开发者花费在例行审查上的时间，将人力投入复杂业务逻辑。
• 体验提升：虽然论文指出效率提升并未直接转化为质量提升，但通过合理设计人机协作流程（如代理做初步筛查，人类做最终确认），可兼顾速度与质量，避免“审查疲劳”导致的漏审。
• 风险管理：AI 代理的快速反馈有助于更早发现缺陷，降低修复成本，尤其在持续交付流水线中能减少回滚风险。

与现有产品／工作流的接口

• 审查平台插件化：可将 AI 审查模型封装为 GitHub App / GitLab Bot，通过 webhook 监听 PR 事件，自动生成行级评论与总结。
• CI/CD 流水线集成：在构建阶段后插入自动审查步骤，依据严重性设定门禁，不通过则阻止合并。
• 管理面板与策略框架：提供配置界面，定义哪些类型 PR（如文档、简单重构）可由 AI 代理独立决策，哪些需人工联合审查，形成“审查策略即代码”。

具体落地用例

1. 电商大促备战：某电商平台在双十一前需要集中优化大量促销逻辑与页面，开发团队日均提交 200+ PR。通过集成 AI 代理审查，机器人自动检查代码规范、重复逻辑和简单性能问题，开发者仅处理架构级审查，使 PR 平均停留时间从 4.2 小时降至 1.5 小时，且缺陷逃逸率未明显上升。
2. 跨国银行合规系统：银行内部支付系统需满足 PCI-DSS 等安全规范。利用 Agentic Code Review，AI 代理在每次提交时自动扫描敏感数据打印、加密算法使用等模式，并与合规知识库对照，生成审查报告。人工审查员仅需复核高风险项，整体审查吞吐量提升 60%，合规漏报率降低 35%。

局限

• **观察性研究的因果推断局限**：本文基于 207 个 GitHub 项目的 102 万条 PR 历史数据进行相关性分析，无法建立严格的因果结论。例如“AI 智能体参与与更快决策相关”可能是因为更简单的 PR 愿意交给 AI，或团队效率文化同时驱动了 AI 采纳和快速合并，而非 AI 直接提升了速度。研究未控制团队文化、项目治理等混杂因素，限制了将发现转化为可操作指南的可靠性。
• **外部有效性与审查质量度量的片面性**：数据集仅限于 GitHub 上的开源项目，难以推广到企业级闭源或受监管环境（如金融、医疗），这些场景的审查流程和 AI 使用策略可能有本质差异。此外，审查质量仅通过审查气味（如“ping me”等交互模式）和决策延迟间接衡量，缺乏对缺陷检出率、误报率或代码长期维护性等直接质量指标的评估，可能导致对 AI 辅助的整体收益判断偏乐观。