Requests 是网络与软件开发中最基础的概念之一,通常指客户端向服务端发起的 HTTP 请求,在协作开发语境下也可指 Pull Requests(PR,拉取请求)。围绕这两类请求,近期社区在性能优化和 AI 辅助审查两个方向都有值得关注的动态。
HTTP Requests 的性能优化进展
Cloudflare 在其博客发布了 Origin Range Requests 功能(Cloudflare 推出 Origin Range Requests,R2 大文件 p99 延迟减半)。这项功能的核心变化是:当客户端请求大文件的某一段数据时,Cloudflare 会把 Range 请求直接透传到源站的 R2 对象存储,而不是先拉取完整对象再切片。据其数据,大文件的 p99 延迟减半。这对视频流媒体、大模型权重分发、断点续传等场景是实打实的改进,也反映出 CDN 厂商正在把存储与边缘网络做更深的耦合。
对开发者来说,这类优化意味着基于 HTTP Range 请求的分块下载和流式读取模式会越来越可靠。如果应用涉及大文件按需加载,值得评估是否需要手动调整缓存策略来配合这类透传行为。
Pull Requests 遇上 AI 代码审查
另一条主线是 Pull Requests 与 AI 的结合。GitHub 开源了 ReviewBench(GitHub 开源 ReviewBench:面向 AI 代码审查的基准测试),为衡量 AI 审查 PR 的能力提供了公开标尺;同时 GitHub 官方还发布了把巨型 AI 生成 PR 拆解为可审查的堆叠式 PR 的工程教程(把巨型AI生成PR拆成可审查的堆叠PR教程),并传出将原生支持 Stacked Pull Requests 功能(GitHub 将支持 Stacked Pull Requests 功能)。
围绕这一趋势,CodeRabbit 作为 AI 代码审查工具成为 Cursor Origin 应用市场的首批合作伙伴(CodeRabbit 成为 Cursor Origin 应用市场首批发布合作伙伴),学术界也在推进相关研究,例如基于 GPT-4 的代码仓库分析机器人(基于GPT-4的代码仓库分析聊天机器人)。
当前焦点与观察点
综合来看,围绕 Requests 的讨论正在分化:基础设施层面,HTTP 请求的处理效率仍是竞争重点,边缘透传与延迟优化是厂商的发力点;协作层面,核心争议是 AI 生成代码量激增后,人类如何有效审查——堆叠 PR、基准测试、自动化审查工具都是对这个问题的不同回答。观察点包括:ReviewBench 能否成为行业事实标准,以及 GitHub 原生堆叠 PR 功能落地后是否改变现有工作流。