北京
写代码的人都在经历一种新型焦虑——AI生成的代码越来越多，但审查它的方式还停留在十年前。CodeRabbit创始人Harjot Gill最近放话：「静态分析就像用后视镜开车，等发现问题时已经晚了。」这位前谷歌工程师说的不是气话，他的团队刚拿到1600万美元融资，押注的正是AI代码审查的替代品。
问题出在哪？传统工具只能看代码长什么样，却猜不到它跑起来会闯什么祸。Gill举了个例子：一段看似无害的API调用，可能在高并发时把数据库拖垮，但静态扫描永远读不出这层意思。换句话说，现在的审查工具和代码之间，隔着一道执行的鸿沟。
CodeRabbit的解法是让AI在沙箱里先跑一遍。不是真的部署，而是模拟执行路径、追踪数据流、甚至预测资源消耗。他们内部测过一批开源项目，模拟器抓到的逻辑漏洞比静态分析多出47%，其中三分之一是潜在的崩溃级bug。
这行正在分化。GitHub Copilot去年推了代码解释功能，Cursor也在内嵌运行环境，但Gill认为这些都只是「高级自动补全」。真正难啃的是规模化——模拟执行吃算力，一个中型项目的完整扫描能烧掉几百美元。CodeRabbit的应对是把模拟拆成碎片，只跑变更过的代码路径，成本压到原来的八分之一。
有早期用户反馈，模拟器曾拦下一行即将合并的代码：一个递归调用在特定输入下会无限循环，而之前的五轮人工审查都没看出来。那行代码现在躺在他们的「事故博物馆」里，旁边标注着：「2024年3月，模拟器救场。」
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
