跳轉到

PR 審不完怎麼辦:自動檢查、AI 審查、人工審查三層煞車

整理自 Matt Pocock〈Fixing the PR Bottleneck〉,AI Engineer 大會演講,約 22 分鐘(YouTube)。資料基準 2026-10。

⚠️ 內容依 YouTube 自動字幕整理,演講中段有一小段字幕缺漏;文中提到的 skill 名稱與版本以作者 repo 為準。

摘要

AI 讓寫程式變快,PR 數量跟著暴增,最後卡在人審不完。Matt Pocock 的解法是三層煞車:

  1. 自動檢查:測試、lint、型別檢查。最便宜,只花 CPU。
  2. AI 審查:另開一個 agent,依團隊的 coding standards 審 diff,直接 commit 修正。
  3. 人工審查:最貴,力氣留給「退不回來」或「出事影響範圍大」的 PR;能退回又只影響一小塊的,看過就好。

前兩層把品質拉高,第三層就能少做。他還主張每次人工審查都要回頭改「產生程式碼的系統」,讓同一句意見不必寫第二次。

問題背景:只有油門的軟體工廠

現在流行講「軟體工廠」:不只人會發起工作,錯誤監控、慢查詢報告、分類器這些自動化流程也會觸發 agent 去修東西。這些都是油門,會把更多程式碼推進來。

只有油門會變成什麼?作者的說法是一門「垃圾大砲」:一堆品質很差的 PR,沒人想看,也看不完。更糟的是,程式碼本身就是 agent 工作的環境。爛程式碼留在 repo 裡,agent 會照著寫出更多爛程式碼。

所以需要煞車:拉高品質、擋住爛東西的機制。反直覺的是,煞車裝好了反而跑得更快,因為人要插手的次數變少。

第一層:自動檢查,以及它怎麼說謊

自動檢查便宜,可以盡量多加。問題是它會說謊:CI 全綠,不代表程式可以合併。作者舉了三種 agent 常寫的假測試。

套套邏輯測試(tautological test)。程式寫「字數上限 = 280」,測試寫「預期字數上限是 280」。測試只是把實作抄一遍。它抓不到真正的錯,改個常數名稱卻會壞。

讀原始碼的測試。想驗證畫面上 A 區塊排在 B 區塊後面,測試沒有真的渲染畫面,而是把原始碼檔案讀進來,比對兩段文字的先後位置。原始碼排版一改就壞,跟使用者看到什麼無關。

永遠不會失敗的測試。把會出錯的瀏覽器 API(例如 AudioContext)整個換成假物件。這個 API 真實的錯誤情況就永遠測不到,上線才爆。

常見誤解/釐清

誤解:agent 寫了很多測試,覆蓋率很高,所以品質沒問題。 更正:這些測試大多不是惡意作弊,是 agent 照指示寫,卻黏在實作結構上,沒有真的執行行為。 後果:測試越多,重構越痛;真正的錯照樣溜進正式環境。

解法:用程式結構讓測試難作弊

作者的答案是 John Ousterhout《A Philosophy of Software Design》的深模組(deep module):用很小的介面,藏住很多實作。

深模組 A                淺模組 B
┌──┐  ← 小介面          ┌──────────────┐ ← 大介面,很多函式
│  │                    │              │
│  │  ← 大量實作        └──────────────┘ ← 每個函式做很少事
│  │
└──┘

測試只打那個小介面,就碰不到內部細節,自然寫不出黏結構的測試。他有一個 skill 會掃 codebase,列出可以「加深」的模組,附改前改後的對照。另外他定義了一組團隊共用詞彙,例如 locality(相關程式碼放在一起的程度)、leverage(呼叫端用一個簡單函式就拿到很多價值)、seam(可以替換實作的接縫)。

第二層:AI 審查,跟寫程式的 agent 分開

這是整場最實用的一點:不要把 coding standards 塞給寫程式的 agent。

寫程式的 agent 在一個 context 裡要做三件事:找程式碼、改程式碼、跑檢查除錯。它已經很滿了,再塞一堆規範,表現會變差。

審查的 agent 不一樣。它拿到 diff,知道改了哪裡,只需要做一點探索,不用實作也不用除錯。它的負擔輕,塞規範進去剛好。

寫程式 agent(滿載)        審查 agent(輕載,子 agent)
├─ 探索程式碼               ├─ 讀 diff
├─ 修改檔案                 ├─ 少量探索
└─ 跑檢查、除錯             └─ 對照 coding-standards.md 修正

具體做法:

  • 規範寫在 coding-standards.md,不要放進 AGENTS.md。放全域會淹沒寫程式的 agent,它可能讀也可能不讀。
  • 審查 agent 跑在子 agent,有自己的 context。
  • 流程變成兩段:先讓它能動,再審查讓它變好。概念上就是 TDD 的「紅 → 綠 → 重構」,只是重構換到另一個 context。
  • 審查 agent 的預設動作是直接 commit 修正,不是在 PR 上留一堆評論。留評論等於把工作丟給人;真有疑問才留言。
  • 審查工具自己養,不要外包。作者試過做通用審查 skill:寫太通用,誤報一堆;寫太專門(例如只管 TypeScript),別的團隊用不了。團隊自己累積規範最準。

第三層:讓人工審查又快又少

先分「單向門」和「雙向門」

借用 AWS 的說法:

  • 雙向門:合併後可以輕鬆退回。大部分 PR 都是,稍微看過就好。
  • 單向門:退不回來。大量寄信、資料遷移、可能丟資料,這些要細審。

看起來很小的改動也可能是單向門,例如一不小心寄信給六萬人。所以每個 PR 底部都要寫一段「合併風險」:是哪一種門、出事時影響範圍(blast radius)多大。審查者一眼就知道該花多少力氣。

用圖說明改了什麼

作者的 PR skill(演講時還在開發中)用虛擬碼和圖表說明改動,參考了 HumanLayer 的 show-me skill:流程圖、序列圖,或一張簡單示意圖,例如「CLI 多了一個指令、兩個新旗標」。目標是讓人最快懂「改了什麼、為什麼改」。

審查的是系統,不只是程式碼

大家共用同一套 skill 和設定檔,等於一起搭 agent 的工作環境。所以人工審查審的其實是產生這段程式碼的流程。

原則是:同一句審查意見不要寫第二次。同樣的錯出現在兩個 PR,就代表系統少了一道檢查。

他的 retro(回顧)skill 做的就是這件事:讀一次 agent session 的紀錄,然後建議(演講中還提到可以一次讀一個 PR 或一整週的審查紀錄,但 2026-10 官方文件只寫讀單一 session):

  • 該加哪些自動檢查
  • coding-standards.md 要補什麼
  • AGENTS.md 要加哪些指路標記,讓 agent 下次更快找到資料
  • 哪些工具用法太花 token
  • 哪些設定檔或 skill 太肥,拖累結果

每做一次人工審查,下一次就輕鬆一點。

我的看法

  • 規範分離最值得馬上照做。全域設定檔很容易越塞越長。改成「寫程式的 agent 只拿必要指令、規範交給審查子 agent」,兩邊的 context 都比較乾淨。
  • 套套邏輯測試很好認。判斷方法:這個斷言驗的是外部看得到的行為,還是只把實作細節抄一遍?上面「預期上限是 280」那種,常數一改就會失敗,看起來有在把關,其實只是抄寫。這條標準比「覆蓋率多少」更有用。
  • 單向門/雙向門是很便宜的分流,一行標註就能決定審查力度,不需要任何工具。
  • 我對「審查 agent 直接 commit」有保留:前提是自動檢查夠可靠。如果測試本身就是假的,審查 agent 改壞了也不會有人發現,所以第一層還是地基。
  • 演講沒給量化數字(審查時間省多少、誤報率多少),以上都是作者的實務經驗,不是實驗結果。

延伸閱讀

來源

  • Matt Pocock,〈Fixing the PR Bottleneck〉,AI Engineer 大會演講:https://www.youtube.com/watch?v=LlgiOCmFG_w(整理於 2026-10-08)
  • John Ousterhout,《A Philosophy of Software Design》(深模組概念出處)