每个 PR 都被 AI 逐行拷打的感觉，真的很爽
作者：🧑🚀 deadmau5v 发布于
AI 时代是这样的。AI 只要写代码就可以，可 Code Review 要考虑的事情就很多了
写代码这件事被 AI 极大提速了，但 CodeReview 并没有一起变轻松
写代码的时候目标通常比较明确——把需求实现出来就行。
但 Review 不一样，你得同时盯好几条线：逻辑对不对、边界有没有漏、异常处理稳不稳、命名是不是别人一看就懂、可维护性怎么样、有没有潜在 bug、安全问题、性能问题……写和审本来就不是同一类脑力活。
AI 在”生成”这件事上已经很强了。但兜底和挑错，依然是成本更高的环节。产出提速了，审查没有，这中间的落差正在变大。
最近 AI 圈在聊一个词叫 Harness——意思大概是：模型再强，能不能把事真正干完、干稳，靠的是模型外面那一层。Code Review 就是那一层里很关键的一块。
Vibe Coding 越爽，人工 Review 越跟不上
我平时会拿 AI 做一些 vibe coding 小项目。好处很明显——快、顺、能一直往前堆。写着写着就上头了，想法一个接一个往外冒，代码跟着就出来了。
但问题也摆在那：AI 生成的代码我不完全相信，我又不想自己逐行检查，有时候甚至也看不太懂它写了什么。于是就出现了一个很矛盾的状态——继续往上堆很爽，停下来 Review 很痛苦。
我不是不想做 Review。我是不想每次都手动介入一次 Review，至少让AI先审一遍找出明显问题。
所以我做了一个直接长在 GitHub PR 里的 AI Review：Oops
我不想再做一个聊天机器人，也不想每次手动开 Claude Code /review。更想要的是把 Review 这件事直接放进我本来就在用的 GitHub 工作流里。
Oops 是一个 GitHub App。代码推上去，PR 发出来，Oops 自动开始工作，最后把结果回到 GitHub。不用切工具，不用手动触发，不用记命令。
欢迎大家安装试用：👉 https://oops.denox.cc/codereview 👈
仓库地址：Github
而这件事，我从想法到跑起来，只花了一个晚上。
真正有产品价值的，不是模型回答了什么，而是它嵌进了你原本就在用的流程。
不止分析 diff，而是在沙盒里真实 Review
只看 diff，很多信息是不完整的。真正的 Review 往往依赖上下文——这个文件在项目里怎么被调用，相关逻辑是不是在别处已经有实现，改动前后是不是和仓库整体结构一致。光看 diff，这些你都看不到。
以前我自己仓库能跑的，也就是 lint、关键词匹配，再不济上个付费产品凑合用。这些东西看的还是表面，缺的就是”真的把代码拉下来读一遍”的那一步。
所以 Oops 会在沙盒里真实拉代码、拿上下文、做更接近真实开发环境的评审。不是让模型说两句，而是让 AI 真正进入代码上下文里干活。
一晚上能做完这件事，靠的不是我多能写代码，是 ADP 把工程底盘打得足够牢
如果不是基于 腾讯云ADP Claw模式，我从零做这套东西，光是要自己处理沙盒调度，想想就猪脑过载了，环境怎么隔离、生命周期怎么管、跑完怎么回收，每一项都够我搞一周。
我没自己搭 Runtime。Agent Runtime 让 Oops 不是一次性调用就完事，而是一个完整任务的执行过程——拉代码、读上下文、跑评审、回写结果，整条链路在一个 runtime 里走完。
ADP 本质上就是一套生产级 Harness，云沙盒直接给我一个隔离环境，代码评审在里面跑，不碰本地、也不污染主机。
而且我没做并发控制。Agent Runtime 的沙盒是毫秒级启动、百万级并发的——多个 PR 同时进来，我不用担心排队、不用担心抢资源。
每个能力都不是摆设——它们各自对应我做 Oops 时本来要踩的坑。基础打牢了，我才能把一晚上的精力全压在”Review 这件事本身该怎么做好”上，而不是花在搭基础设施上。
过去大家谈 AI coding，多数都在讨论”怎么让它写得更快”。但真正要让这套流程跑顺，不只是生成更快就行，还得有一层机制去承接生成之后的检查、反馈、修改。
AI 的价值不只是写代码，也应该包括审代码、提问题、帮你补后续流程。
当 AI 开始 Review AI，研发流程才真正闭环。
加入智能体创作者社群🚀
欢迎加入 ADP 创作者交流群，一起构建！