[!info] related notes

• 所属 MOC: 前端工程化 MOC
• 相关概念: AI 辅助前端开发工作流, ai-engineering-assets-for-frontend-team
• 工程实践: Coding Agent Code Review, AI 编码时代的 TDD

AI Code Review 与 AI 重构

本篇比较 AI 辅助审查与 AI 辅助重构的职责和验证方式；具体 Coding Agent 审查入口见 coding-agent-code-review。模型能否发现问题取决于上下文、任务与验证证据，不能预设它一定比实现任务更擅长审查。

一句话定义

AICR（AI Code Review）提出代码问题与证据；AI 重构在明确行为约束下修改结构。两者都需要验证，审查发现本身不是修改授权，也不是问题成立的证明。

AICR 常适合检查什么

• 命名是否误导业务含义（机械风格交给 lint / formatter）
• 重复逻辑是否明显
• 类型约束是否松散
• 空值和异常处理是否缺失
• 可读性和复杂度是否过高

AI 重构常适合做什么

• 拆大组件
• 抽公共 hooks
• JS 迁移到 TS
• 统一样式或目录结构
• 在确认职责和变化方向一致后去重；相似代码不必属于同一个抽象

为什么它们有价值

• 减少人工 review 的低层重复劳动
• 提前暴露一批明显问题
• 为历史代码提供可核查的问题线索，实际收益需看误报、漏报和修复成本

局限在哪里

• 容易误判业务正确性
• 上下文理解常不完整
• 可能做出看起来干净但不稳的抽象
• 难以独立承担架构级判断

怎么验证结果

• 固定审查范围：base / head 或工作区 diff，读取相关调用方、测试和需求约束。
• 每个发现提供位置、触发条件、实际影响与证据；不把推测写成已复现 bug。
• 对真实缺陷补复现或行为验证；对重构检查输入输出、错误语义、副作用和兼容性保持一致。
• 运行变更所需的 lint、类型检查与测试；核心业务边界由具备上下文的负责人复核。
• 测试通过仅证明覆盖到的行为，不能直接推出性能、安全或业务完整性。

面试要点

保留两种回答角度：审查如何发现问题，以及生成代码如何验收。

AICR：一句话回答

AICR 就是 AI Code Review，适合承担命名规范、重复逻辑、简单复杂度、类型问题和部分性能风险的第一层自动化检查，但不能替代人工对业务正确性和架构合理性的判断。

最稳的回答主线

• 先定义它是什么
• 再说明它最适合检查什么
• 最后强调它为什么不能替代人工 review

AICR 最适合做什么

• 扫重复逻辑和命名问题
• 扫类型约束和空值风险
• 提示过大的组件和过长函数
• 提醒潜在性能问题或明显坏味道

面试里最好补的一句

我会把 AICR 放在人工 review 之前，先做第一层低成本质量筛查，帮团队把注意力留给真正需要判断的部分。

常见误区

• 把 AICR 当成自动批准器
• 只谈效率，不谈误报和漏报
• 忽略项目规范、业务约束和上下文缺失

可能追问

• AICR 和 lint、静态分析有什么区别
• 哪类 review 问题最适合交给 AI
• 你会怎么把 AICR 接进团队流程

AI 生成代码风险：一句话回答

AI 生成代码的主要风险包括上下文理解不完整、边界条件遗漏、类型不严谨、风格不统一和潜在性能或安全问题；因此必须通过 lint、测试、本地运行和人工 review 建立验证闭环。

最稳的回答主线

• 先说风险来源：上下文、边界、规范、质量
• 再说兜底方式：lint、test、人工 review
• 最后补一句：AI 负责提效，开发者负责最终结果

常见风险可以怎么分

• 业务风险：误解需求、遗漏边界条件
• 工程风险：风格不统一、结构不合理、可维护性差
• 质量风险：类型不严、异常处理缺失、测试覆盖不足
• 非功能风险：性能问题、安全问题、依赖使用不当

面试里最好补的一句

如果任务越接近核心业务，我越会把 AI 当成初稿生成器和检查器，而不是最终交付者。

一个实用兜底闭环

• 先给清楚上下文和约束
• 生成后跑 lint、类型检查和测试
• 本地验证关键流程
• 人工 review 业务边界和关键逻辑

常见误区

• 只谈 hallucination，不谈工程质量和维护成本
• 只说人工 review，不说自动化验证
• 把 AI 代码问题归因成模型不行，而不是流程没有约束好

可能追问

• 你实际遇到过哪些 AI 生成代码的问题
• 哪类代码你最不放心直接接受
• 你会怎么给 AI 提上下文来减少风险

最短记忆方式

AI 可以先写，不能直接信，必须进验证闭环。

Related notes

• AI MOC