#代码审查
这篇论文提出了 ARCTIC，专门解决 AI 写代码太多、人工审不过来的问题。它用意图预测和漂移检测揪出真正需要人看的改动，比传统工具更准更省 token。
Jerry Liu分享了一场创始人晚餐的真实讨论，大家觉得一两年后没人会再审查代码了，还聊了用多智能体和cron jobs做长期循环，挺有意思。
OpenAI 搞了个专用文件夹，一次搞定 Git 操作、代码 Review 和技能发现，Agent 开发省事多了。
OpenAI 给 Codex Code Review 加了 AGENTS.md 规则，能抓住 diff 看不出的破坏性改动，评测召回率从 58% 提到 98%
Codex 代码审查现在能用 AGENTS.md 配置你的仓库专属规则了。把团队常见的检查点写进去，Codex 就能帮你自动抓私有仓库的特有问题。
CodeRabbit实测了GPT-5.6的两个版本，Sol在代码审查中召回更强，Terra则更省钱。对比Fable 5和Opus 4.8，想升级编码工具可以看。
DoorDash 搞了个新基准，用开源 Kimi K2.6 配合 Claude，更便宜还能多抓 bug，做代码审查的可以试试这个搭配。
Anthropic搞了个内部神器Claude Tag，能让65%的PR直接过，从CEO到码农都在用，还有Claude Fable 5加持，生产力直接起飞。
这篇论文用真实数据告诉你，人类审查AI代码时会越来越松懈——批准率涨了，评论却少了。做AI代码审核的团队应该看看。
宝玉分享的实操经验：把传统软件工程的代码审查、测试覆盖、灰度发布等方法用到 AI Agent 上，能少写 bug、少修 bug，适合正在用 Agent 写代码的团队。
CodeRabbit 搞了个 light mode，代码审查快了 1.5 倍，跑 agent 流程时瓶颈少多了，直接用命令行就能开。
Addy Osmani 用四份硬数据和实战框架告诉你，AI 生成代码后怎么审才靠谱——不是跑一个工具，而是跑几个不同性格的，人只做最终裁决。
做代码审查的开发者都会感同身受——30秒审批PR的bug率有多高？CodeRabbit的现场实验和调查数据戳中了痛点，建议点开看看你的团队是否也在踩同样的坑。
对于使用 Claude Code 的开发者，这个技巧能帮你发现代码中隐藏的致命问题，尤其是在 Fable 这类非按量付费平台上，可以尽情使用而不用担心成本。建议立即试试，避免生产事故。
Replit 的 Plan Mode 解决了 AI 编程中「先做再改」的痛点，做复杂项目的开发者可以先用计划模式确认方向，避免代码写一半才发现方向错了。
