Agent 写完代码以后，人该审代码，还是审评审系统？

导读

编码 Agent 生成代码的速度让人工逐行审查越来越难跟上，但测试通过也不等于代码值得合并。Arize 的 Laurie Voss 主张把更多人工判断放到评审系统：定义质量标准、校准自动审查，并在高风险或难以验证的地方保留人工责任。METR 对已通过自动评分的补丁开展维护者复核，约一半仍不会合入；研究中的 Agent 没有机会根据反馈再修改，因此结果不能证明其能力上限。自动 reviewer 可以多轮找问题、运行代码并提出补丁，但也可能误报，甚至受到待审内容操纵，因此评审工具本身也需要威胁模型和测试。Voss 因此建议持续检查测试、评分规则和攻击路径，上线后观察实际行为，而不是把绿色测试或机器一致意见当成最终保证。