今年我把几乎整条流水线都自动化了，谁劝我改回去我跟谁急。一个智能体写大部分改动的初稿，第二个智能体审这份 diff——它比我周五下午五点认真得多，审到第四百份也不会走神。测试自己跑，类型检查、lint、预发部署、对着一个接近真实的数据库做冒烟检查，全自动。等一个改动走到我面前时，已经有五个独立的自动化步骤看过它、点了头。它确实比我三年前那套手摇版本更好，而打字从来不是我会怀念的那部分。
所以某个迭代里，我做了那件看起来顺理成章的事。我盯着一个带着四个绿色勾、审查意见也干净利落的合并请求，心想：我的手为什么还按在合并键上？我自己点这一下，到底加了什么四个自动化的"是"还没挣到的东西？于是我把最后一步也交了出去。生成、审查、测试、预发、合并，闭环。大约九天里，它感觉像未来。
然后其中一次合并，在凌晨两点把一个付了钱的客户锁在了他自己的账号外面。我用一通电话、在生产环境里、付出了不小的代价，才搞明白这条流水线里哪一步我绝不该交出去。它不是大多数人会猜的那一步，而是几乎所有人最先自动化的那一步。
那份 diff 很干净。问题恰恰就出在这。
那是个写路径。它在真正把数据落库之前，就先确认了请求——把"收到了"回给了客户端。如果你干这行有些年头，胃这会儿应该已经沉下去了，因为你认得这个 bug。它干净、地道、有类型、有测试，读起来完美无缺，直到某次重试撞在错误的瞬间：确认发出去了，保存没落地，系统于是对一件从未发生过的事确信不疑。
写它的智能体写了它。审查的智能体读了它、批准了它——我得替审查智能体说句公道话，它很能干：那个迭代里它抓到了两个我可能会漏掉的真问题。它只是没抓到这一个，因为这一个看起来不像 bug，看起来像完成品。测试是绿的，因为测试测的是顺利路径，而这条代码在顺利路径上恰好是对的。预发没问题，因为没人在预发里对着错误的毫秒重试过请求。五个自动化的"是"，每一个在技术上都是诚实的，都在看那份 diff，没有一个在看凌晨两点。
它自动合并了。它自动部署了。在一个普通的糟糕夜晚，一次重试撞了上来，确认发出去了，写入没发生，一个真金白银付我们钱的真人被锁在了自己的账号外面，日志里没有任何东西能证明他来过。那通电话我到现在还能感觉到——不是因为 bug 有多离奇，而是因为在那条漂亮的闭环里，从头到尾没有任何一个时刻，是那个会接到电话的人看过这东西、并且认领了把它发出去这件事。
两件事都叫"审查"，但它们不是一回事
一个被锁在门外的客户教会我的区分，就是这篇文章的全部。
我们用"审查"这一个词，指代两件完全不同的事。
第一件事是判断代码：它对不对、地不地道、有没有处理边界情况、命名是否合理。这是一项技能，是拿海量既有代码做模式匹配，加上对系统的心理模型。而这恰恰是今年变便宜的那类技能。一个好的审查智能体做这件事不知疲倦、始终如一，凌晨三点、第四百份 diff 也一样，不会像人类资深工程师那样因为疲劳而在周五下午的 PR 上挥手放行。这件事你绝对应该自动化。我做了，这是对的。
第二件事是认领这次合并：接受它现在要面向真实用户了，如果它错了，算我的。这不是技能，没有模式可匹配。它是一个具体的、可问责的主体，把自己的名字押在一个不可逆的、对外的决定上，并在事情变糟时吞下后果。
二十年来这两件事是焊在一起的，因为审代码的人就是会被半夜叫醒的人，所以我们从来不必注意到它们是两回事。自动化把它们撕开了。机器现在能把第一件事做得比我好，第二件事它根本做不了——不是因为它不够聪明，而是因为第二件事跟智力无关。它关乎问责，而问责需要一个能真正承担后果的东西。
你可以自动化判断。你无法自动化问责。
一个合并了坏 diff、搞挂了生产的智能体，没法被半夜叫醒，没法感到抱歉，没法把凌晨两点那通电话的重量带进它下一次决策里，因为它做的不是它有利害关系的决定——它只是在以无人能及的量级产出自信的输出，无论那份 diff 是杰作还是定时炸弹，都用同样平稳的语调签字放行。无限的吞吐，零问责。合并本该是整条流水线里责任停下的地方，而我把它交给了唯一一个没有责任可停的参与者。
我们守错了那个按钮
接下来这部分才该让你不安，因为一旦你看见了，你到处都能看见。
看看团队本能地保留人工的是什么，又乐于自动化的是什么。
他们把人工留在代码审查上。"每一份 diff 都得有人读。"他们给合并请求加上强制的人工批准，他们争论审查覆盖率，他们因为有人眼看过那些代码行而感到安全。然后他们给绿色通过配上自动合并、给生产配上持续部署，还觉得自己挺聪明，因为那部分不过是管道。
这恰恰是反的。
代码审查是可逆的那一步。如果人在审查里漏了什么，什么都还没发生。你可以再审一遍。你可以评论。你可以在预发里抓住它。什么都还没跨进真实世界。它是整条流水线里最可挽回的一步。
热门跟贴