AI 代码审查是让 AI 在人工评审之前或同时，检查代码中的潜在问题：逻辑错误、边界情况、安全隐患、性能问题、可读性和风格不一致，并给出具体的修改建议。下面从概念、场景、步骤到模板，一步步带你上手。

AI 代码审查是什么，为什么有效

简单说，AI 能快速通读改动，按清单逐项检查，把明显的问题先筛出来；人工评审者就可以把注意力放在设计和业务逻辑上。与纯人工评审相比，人工评审理解业务和设计意图，但耗时且容易疲劳；AI 审查能快速筛出常见问题，两者结合效率和质量更高。

AI 审查最擅长的是“清单型问题”：空值、边界、注入、资源释放，这些问题有固定模式，人在疲劳时容易漏看。它最不擅长的是“意图型问题”：这个设计是否合理、是否符合业务需求。明确这个分工，让 AI 处理前者，人专注后者，评审效率才会真正提高。

适用场景

  • 提交合并请求前的自我检查。
  • 评审他人代码时作为辅助。
  • 接手陌生代码，想快速了解其中的风险。
  • 团队人手紧张，评审积压。

怎么用：6 步上手

  1. 准备好改动内容和必要的背景：改动目的、相关需求。
  2. 说明审查重点，例如安全、性能、边界情况。
  3. 让 AI 按严重程度列出问题，并指向具体代码行。
  4. 逐条判断问题是否成立，删除误报。
  5. 对成立的问题修改代码，或在评审中讨论。
  6. 最终仍由人工评审者确认合并。

可直接复制的提示词

下面以财务的工作场景为例，方括号里的内容换成你自己的信息即可：

请审查下面这段代码改动，背景：财务正在处理“完成 9 月月结和凭证整理”。
审查重点：
1. 逻辑错误和未处理的边界情况；
2. 安全问题（输入校验、权限、敏感信息）；
3. 性能隐患；
4. 可读性和命名。
输出格式：| 严重程度（高/中/低）| 位置 | 问题 | 建议修改 |
只报告你有把握的问题，不确定的放在最后单独列出。
代码：[粘贴改动]

效果示例

以下内容为虚构示例，仅用于说明效果：

示例输出（虚构）： | 高 | 第 42 行 | 用户输入直接拼接到查询语句中，存在注入风险 | 改为参数化查询 | | 中 | 第 58 行 | 未处理列表为空的情况，会抛出异常 | 增加空列表判断 | | 低 | 第 12 行 | 变量名 tmp 含义不清 | 改为 pendingOrders |

新手最常犯的两个错误

  • 容易犯的错：把 AI 审查当作最终结论。更好的做法：AI 可能有误报和漏报，最终仍需人工评审。
  • 容易犯的错：不提供背景。更好的做法：说明改动目的和相关需求，AI 才能判断逻辑是否正确。

上手后的小技巧

  • 把团队的编码规范和常见问题清单给 AI，审查会更有针对性。
  • 要求 AI 给出修改示例代码，便于快速修复。

一个常见疑问

AI 审查会有误报吗？ 会，有时会把正确的写法当作问题，所以要逐条判断，并要求它标注不确定的问题。

把 AI 接入日常工作流时，最重要的是明确哪一步由 AI 起草、哪一步由人把关。分工清楚，效率和质量才能兼顾。

下一步

入门之后，可以看看 AI 代码审查的进阶技巧和常见错误，再结合 AI 编程助手一起使用。

相关阅读