程序员用 AI 做代码评审：提示词与评审意见示例
作为每天写业务代码、修线上问题、参加评审的后端或全栈开发，你可能也有同感：真正写代码的时间常被排查问题、写文档和同步进度挤占，很多重复性的文字和样板代码其实可以交给 AI 起草。代码评审耗时且容易流于形式，AI 可以先找出明显的问题，让人把精力放在设计和业务逻辑上。本文给出程序员用 AI 做代码评审的一套可直接照抄的做法：把改动的代码和背景说明交给 AI，指定评审维度和输出格式，让它按严重程度列问题，再由人判断。
场景：程序员为什么需要 AI 做代码评审
程序员每周要评审不少代码改动，比如和“完成订单服务接口重构，接口平均响应从约 300ms 降到 120ms 左右（以压测为准）”相关的提交。改动多的时候很难每行都仔细看，容易漏掉边界条件、异常处理和安全问题。尤其当技术负责人同时还在等“补齐用户模块的单元测试”的结果时，能把这部分工作提速，就能腾出精力处理更重要的判断。
推荐工具
代码托管平台和编辑器中有不少 AI 评审工具，例如 GitHub Copilot 的代码评审、GitLab Duo、Cursor 以及各类开源的 AI 评审机器人；也可以把差异内容贴给对话助手。
编辑器内的编程助手能结合项目上下文评审；独立的对话助手适合评审单个文件或片段。注意公司对源代码外发的规定。
举个例子
先看一个虚构但很典型的例子。林林是一位每天写业务代码、修线上问题、参加评审的后端或全栈开发，这周手头的事情包括“补齐用户模块的单元测试”和“排查定时任务重复执行问题”，偏偏这时又需要做代码评审。林林没有从空白页开始，而是先花几分钟把相关材料整理好，按下面的提示词交给 AI，拿到初稿后对照原始资料逐条核对，再补上自己的判断。整个过程中，林林特别留意不把密钥、内网地址、数据库连接串和用户数据放进对话里。
具体怎么做
- 准备改动说明：这次改动要解决什么问题
- 指定评审维度：正确性、边界条件、安全、性能、可读性
- 要求按严重程度分级输出，并给出修改建议
- 人工确认每条意见，AI 的意见不等于结论
提示词模板（可直接复制）
把方括号和括号里的内容换成你自己的信息即可：
【背景】最近在处理“补齐用户模块的单元测试”，同时要准备“排查定时任务重复执行问题”。
请评审下面这段代码改动。
背景：完成订单服务接口重构，接口平均响应从约 300ms 降到 120ms 左右（以压测为准），这次改动新增了一个按服务名查询“接口调用记录”的接口。
语言：Python（FastAPI）
评审维度：
1. 正确性和边界条件（空值、分页、时区）
2. 安全（注入、越权、敏感信息日志）
3. 性能（N+1 查询、缺少索引）
4. 可读性和可维护性
输出格式：严重程度（阻塞 / 建议 / 细节）| 位置 | 问题 | 修改建议
只指出确实存在的问题，不确定的请标注“需确认”。
代码：
（粘贴 diff）
AI 输出示例（示意）
下面是演示用的输出示例，其中的人名、数字和事项均为虚构，实际使用时请以你自己的资料为准：
严重程度 位置 问题 修改建议 阻塞 query_records 第 12 行 用字符串拼接构造 SQL，存在注入风险 改为参数化查询 阻塞 接口入口 未校验调用者是否有权访问该服务名的数据 增加权限校验 建议 第 20 行 每条记录单独查询关联信息，存在 N+1 问题 改为批量查询 建议 日志 打印了完整请求参数，可能包含敏感信息 脱敏后再记录 细节 第 5 行 变量名 d 含义不清 改为 record_date 需确认：page_size 未设上限，是否在网关层已限制？
拿到类似的结果后，林林的做法是先核对事实和数字，再结合“排查定时任务重复执行问题”的安排调整重点，最后才对外使用。
实用技巧与常见坑
- 提供改动背景，否则 AI 无法判断逻辑是否符合需求。
- 要求它“只指出确实存在的问题”，减少泛泛而谈的建议。
- 把团队的编码规范放进提示词，评审意见会更一致。
给程序员的特别提醒
让 AI 先解释思路再给代码，便于你判断方向对不对。还有一点很关键：AI 生成的代码必须经过本地运行、测试和代码评审，不要直接合入主干。
很多程序员还会这样做：把报错堆栈、相关代码片段和运行环境版本一起贴给 AI，比只描述现象有效得多。
变体用法
- 安全专项：只关注注入、越权、敏感数据等安全问题。
- 评审总结：汇总一段时间的评审意见，提炼团队常见问题。