AutoDev审查代理：高效应对10倍代码量的智能代码审查

AutoDev Review Agent：应对 10 倍代码量的 Agentic 代码审查

在上一篇文章《以 ROI 为中心的 AI 代码检视体系与分级》里，我们介绍了在不同的系统 分级分类的策略下，我们应该如何构建 AI 代码检视体系。自然而然的，我们做一个关于 Code Review 的研究，肯定不是为了好玩，所以在这一篇文章里， 我们将介绍 AutoDev 的新 Agent，基于多端架构的 SubAgents 体系的 Code Review Agent。

你可以通过

• 安装 AutoDev CLI：npm install -g @autodev/cli

• 下载 AutoDev Desktop 来体验：https://github.com/unit-mesh/auto-dev/releases （compose-0.2.1 版本)

但当 Vibe Coding 进入主流后，开发者日均代码量直接进入 10× 区间：由 Agent 生成的代码多、文件多、变更密集、每次迭代都有大量 Diff、 手工审查不再具备成本效益同。

因此，传统的「把 diff 丢给 LLM」的方式在复杂工程里结果非常差 —— 尽管原来也不好。

旧时代的 AutoDev Review 架构（插件版）

在 AutoDev 的 IDE 插件中，我们针对的是非 Vibe Coding 时代的编程方式，采用的是基于提示词工程的方式：

1. 代码上下文（Framework + 工程结构）

2. IDEA 中的 Lint （Intention）信息

3. AST + 结构信息（Structure Diagram / 静态分析）

4. 需求来源（来自 Jira / GitHub Issue / Kanban）

5. 变更压缩（Diff Prompt 生成器）

这种方式对于传统的小步提交和“少量代码变更“是相对有一定小效果的。尽管，我们还允许自定义自己的 Agent 去远程获取相关的业务上下文。 作为一个工程专家，我并不看好这种方式。现在的实现千奇百怪，很难有一个提示词能解决所有的问题。

Agentic Review：下一代审查思路

就结论来说，并不会。我们可以看到 Coding Agent 的一系列问题，最后你给了再多的东西，他也没完成你的任务 —— 多数时候可能完成了 80%，还可以你 拉了一坨大的。只是对于核心的软件开发系统来说，Code Review 是非常有必要的，可以改善质量，毕竟要花费大量的时间。对于这些系统来说，他们的下一代 Code Review 必然走向 Agentic 化：

Review 不是一次回答，而是一个具有多步骤推理、主动拉取上下文、调度工具链能力的“审查流程”。

除此，Agentic 的方式就意味着，我们有可能能解决协同 Review 的问题。毕竟，我们不能看你们的代码，但是只要系统间关系了，让 AI 作为中间人去看， 成本反而更低了。

演进：面向多系统、多仓库的 AI Code Review

现在的软件往往有着非常复杂的软件架构，诸如于多系统集成的微前端应用，小程序化的移动应用，还有不合理微服务架构的后台应用，他们往往是由成十上百个 子仓库或者系统集成的。系统之间靠着脆弱的口头协议、不定期更新的文档、多版本的统一协议（如 Protobuf）来构成的，口头有多脆弱系统就能多多少问题。

当然，Agent 并不能很好地解决团队协作好不好的问题，如果团队协作得好，那么 Agent 就可以辅助解决潜在的 bug。诸如于，基于需求 id 去贯穿全流程的系统间的协同代码审查。

AutoDev Review：多端 Agentic 代码审查

既然 10 倍代码生成是趋势，那我们就需要构建 10 倍速的 review。因此，我们在新的 AutoDev MPP 架构下，构建了 AutoDev Review Agent。

作为 AutoDev 的一部分，AutoDev Review Agent 与 AutoDev 的其它 Agent 一样，可以运行在多端上：AutoDev CLI、Desktop、Android（远程方式）、iOS（远程方式）、Web（远程方式）、AutoDev Server。

当然，更理想化的方式是将 AutoDev CLI 集成到流水线上，可以执行修复，再验证，再给 PR。也可以考虑类似于 CodeRabbit 构建独立的 sandbox 以在其中执行和修复。

AutoDev Review Agent 的能力

从上图中，你可以看到 AutoDev Review 的三个阶段：

• Lint Analysis。即基于提交，针对变更文件进行一系统的 Lint 分析，除了语言本身的 lint，还有诸如 checkov、semgrep 等安全相关 Lint。

• Issues Analysis。基于 Lint 与完整的变更函数、类（使用 mpp-codegraph 分析语法树），再结合 LLM 的 review 能力总结 issue。

• Suggested Fixes。针对 issue 生成修复代码。

当然，作为一个一周迭代出来的版本，我们还有非常多的 bug 与不足之处，欢迎在 GitHub 上提出 issue 和 PR。

AutoDev Review Agent 的实现

CodeReviewAgent 是 mpp-core 的入口，负责把“变更 → 分析 → 结论 → 修复建议”这条流水线串起来。实现上遵循模块化与可编排（orchestrated）原则：工具（linters、静态分析器、运行时检查）、LLM 服务与 UI/持久层通过清晰的接口互相联动，既能在 CLI/Server 中批量运行，也能在 Desktop/Browser 中实时交互。

核心模块与职责

• ToolOrchestrator工具调度层。根据仓库语言、变更类型和策略表决定要运行哪些检查（比如 ESLint、Checkov、Semgrep、自定义静态分析器），并并行化执行、采集结果。对外暴露可注册的LinterProvider接口，第三方工具可以按插件方式接入。
• LinterRegistry：工具元数据和能力声明库。包含工具的 input/output schema、运行开销、信任级别（e.g. info/warning/error）与降噪规则，供ToolOrchestrator调度和后续规则引擎过滤。
• GitOperationsWorkspace：变更采集层。负责从提交/PR 中抽取 diff、文件快照与工作树，提供增量读取和片段级别的文件访问 API（支持只读取变更行范围，减少 I/O）。
• DiffParser

  ：补丁解析器。把原生 diff 转成结构化 patch（文件 → hunks → 行号映射），并将“变更的行”映射到 AST 节点（函数/类/方法）供下游定位。

• CodeAnalyzer（基于mpp-codegraph）：把变更从行级提升到语义级。实现“变更行 → 所属函数/调用链/依赖图”的映射，支持跨文件/跨仓库的简单影响分析（call graph traversal、protobuf/schema 追踪等）。
• LintExecutor：仅对变更范围执行静态检查（change-scoped linting），并把工具结果归一化为Issue事件。为提升性能引入了内容缓存（短时间内重复分析命中缓存，默认 TTL ≈ 30s），并支持按优先级短路（当关键安全规则触发时可快速 escalte）。

实现上把核心审查逻辑放在mpp-core中，提供纯逻辑的CodeReviewAgent（无 UI、无平台依赖）和轻量的导出绑定（如JsCodeReviewAgent）。UI 层通过ViewModel/StateFlow 订阅分析进度，实现 Desktop/Browser/CLI/Server 的一致交互体验。

小结：走向 10× 时代的代码审查新范式

AutoDev Review Agent 旨在解决 Vibe Coding 时代“10× 代码量”带来的审查压力，通过 Agentic、多步骤、可编排的方式，把传统的“看 diff”升级为完整的审查流程。它在多端运行，串联 lint、语义分析与修复建议，能够在复杂仓库和多系统环境中保持高质量审查。尽管仍在快速迭代， 但已经为未来的自动化、高速代码审查奠定了基础。