一个编码智能体配上一个AI审查员，会陷入同一种循环：审查员读一遍PR留下意见，智能体逐条修改，每次修改生成一个新提交，审查员再跑一遍。循环在第一次“没东西可改”的审查处停下。
这个停止规则和CI里“跑到绿为止”的重试逻辑是同一个毛病。测试套件里有几个不稳定的用例，有人加了重试：跑到通过为止。结果构建变慢，而一个只在半数情况下出现的真实失败，靠一次侥幸的绿就跑过去了。停在哪一次，由噪声决定。
Anthropic的Claude Code团队量过这件事。在Claude写下约90%代码的环境里，改规则之前，8.9%的内部PR需要五轮或更多审查。有一个PR一夜之间跑了五十多轮。后期轮次里审查员反复标记的内容，约59%是改动之前就已经存在的代码。
长尾消耗的是CI时间和注意力。更安静的那笔账是：单次干净的审查是弱证据，因为审查员在任何一遍里都可能漏掉一半的bug。
三类意见让循环停不下来
琐碎意见（Nit）每一遍都是新的，因为审查员每次重新采样。旧代码里的问题会重现，因为旧代码还在那里。同一个问题还会换一种说法回来。智能体把它们全修了，每次修都开启新一轮。
直接限制轮数，或者只复审新增的行，都能减少轮次，也都漏bug。每一遍完整审查，都是对上一遍漏掉的真bug的一次独立复查。在模拟中，审查员的召回率是50%，即每个真bug每遍有一半概率被抓到。砍掉噪声但只要求一次干净审查，逃逸率是24.4%；嘈杂的循环逃逸率是13.1%，它多出来的轮次成了意外的二次检查。
什么能阻塞，什么时候能停
只有阻塞性发现才启动修复轮。定义是：新的、被标记为重要、且落在本次PR改动的行上。已存在的问题记进清单一次即可。发现以文件、行号、规则三者识别，重复的直接丢弃。连续两次干净审查才算过闸，第二次干净审查只花一次审查，不产生智能体提交，也不跑CI。
模拟里，双干净审查闸把每个PR的修复轮从2.07降到1.01，没有任何PR需要五轮，逃逸率维持在13.1%，与嘈杂循环持平。代价是13.4%的PR在三轮之后转给人工。
三个角色各改一处
- 配置审查员的人决定什么被标记为重要：只认改动行上的bug并附文件行号证据，风格、命名、清理一律标为Nit，未触及的代码标为Pre-existing。要求审查员以JSON输出发现，规则名在各遍之间保持稳定，闸门靠它匹配重复。
- CI侧把闸门设为每次推送的必需状态检查，为每个PR维护一个小状态文件，跨推送累计干净遍数和修复轮数。改动行用
git diff --unified=0对合并基取，避免变基把旧行算成新行。 - 智能体的指令里写明：只修闸门列为阻塞的发现，不修Nit和Pre-existing，不为满足意见去改diff之外的行。缺了这条，智能体照样修琐碎意见，每条都花一个提交。
怎么知道它生效了
切换之前，先记录每个PR的修复轮数、需要五轮以上的比例，以及合并后的回滚情况。两周后轮数应下降，五轮长尾应消失。升级到人工的比例应接近十分之一，远高于此说明重要标签太松。回滚情况不能变差，若变差说明只是把工作挪了位置，此时应先提高所需的干净审查遍数。
什么时候不该用双干净审查闸
两遍不独立时，第二遍帮不上忙。温度为零、提示和上下文都相同的审查员，可能两次返回同样的答案，第二次干净什么也证明不了。需要在两遍之间变动点什么：换一个模型、换一个关注点，或者让并行审查员投票。
代码由人写时，作者会顶回琐碎意见，很少全修，这个闸门要控制的循环基本不形成。改动小且风险低时，一次干净审查就够，审查遍数应与风险匹配。还有一种情况：没人处理升级。把13%的PR送给人，就得有人接，否则这些PR只是躺在那里，工程师会学会绕开这项检查。
采用之前先问三个问题：审查员的两遍之间真的有差异吗？三轮修复之后谁来接手这个PR？今天的回滚情况如何？
热门跟贴