ChatGPT、Codex工程机制:Agent一次修改几十个文件,为什么PR越完整,人工Review越容易漏掉问题?
一个开发人员最近收到一个Codex生成的PR。
原本只是给订单系统增加一个查询功能,结果Codex一次修改了30多个文件,涉及Controller、Service、Mapper、DTO、配置文件和测试代码。
PR描述写得很完整,修改原因、实现方式和测试结果都有说明。
开发人员打开代码审查页面,发现每个文件看起来都挺合理。
Controller增加了参数,Service增加了业务逻辑,Mapper调整了SQL,测试代码也补充了对应场景。
但真正开始Review后,他发现一个问题:
修改内容太多了。
刚看完Service,回头检查Mapper时,已经很难记清楚前面修改的业务条件。某个DTO字段发生变化,又牵涉到其他几个接口。
为了赶进度,他先检查了主要方法和测试结果,最后批准了PR。
直到测试环境运行时,才发现一个权限判断条件被遗漏了。
问题并不复杂,但它隐藏在一系列看似合理的代码修改中。
开发人员后来意识到,Codex提高了代码生成速度,却没有同步降低理解和审查这些代码的成本。
AI一次生成几十个文件,不代表这些修改已经形成一个经过充分验证的完整方案。代码越多,人工越需要关注文件之间的业务关系,而不是只看单个文件是否合理。
一、为什么PR越完整,人工Review反而越容易漏问题?
传统开发中,一个功能通常经过需求分析、代码设计、分模块实现,再逐步提交修改。
开发人员大致知道自己改了什么,也清楚哪些地方存在风险。
但Agent执行任务时,往往会一次性分析多个文件,然后连续修改相关模块。
例如,增加一个订单查询功能,Codex可能同时调整:
-
Controller请求参数。
-
Service查询逻辑。
-
Mapper数据库条件。
-
DTO返回结构。
-
权限判断。
-
缓存处理。
-
单元测试和接口测试。
从功能角度看,这些修改确实有关联。
问题在于,人工审查时需要同时理解多个层面的变化。
开发人员不仅要检查代码能不能运行,还要判断:
订单查询条件有没有改变?
原来的权限边界是否还存在?
返回字段是否影响其他接口?
数据库查询是否引入新的性能问题?
缓存Key是否仍然正确?
如果一次PR包含几十个文件,审查人员需要不断在不同文件之间切换,重新建立上下文。
时间一长,就容易把注意力集中在明显的语法错误和局部逻辑上,而忽略跨文件的业务变化。
代码审查的难点不只是修改行数,而是审查人员需要同时理解多少个相互关联的变化。
二、真正的机制:代码数量增加,认知负担也在增加
这里需要区分两个概念:
代码生成速度和代码审查速度。
Codex可以在较短时间内完成多个文件的修改,但人工Review仍然需要逐步理解代码的作用。
例如,一个订单权限修改可能涉及三个地方:
Controller负责接收用户请求。
Service负责判断用户是否有权查看订单。
Mapper负责查询数据库。
单独看每个文件,都可能没有明显问题。
但如果Codex只在Controller增加了用户ID参数,却没有在Service中真正验证用户与订单的归属关系,整个权限控制就可能失效。
这类问题不是看某一个方法就能发现的。
审查人员需要把三个文件放在一起,理解完整的请求链路。
当PR还涉及缓存、DTO和异常处理时,理解成本就会进一步增加。
另外,代码审查还存在上下文切换成本。
刚刚看完权限判断,转到Mapper检查SQL,再回到Service确认调用关系,审查人员需要不断重新理解之前的业务逻辑。
修改越分散,这种成本越明显。
所以,不能简单地认为:
PR只要有详细描述,人工就能轻松检查。
PR描述可以帮助理解修改目的,但不能代替对实际代码行为的判断。
三、为什么Agent生成的代码看起来完整,却可能隐藏业务错误?
Agent通常会按照需求补充实现和测试。
但有一个问题:
代码结构完整,不等于业务约束完整。
例如,订单查询需求要求:
普通用户只能查看自己的订单,管理员可以查看全部订单。
Codex修改之后,可能生成这样的代码:
public List<Order> queryOrders(
Long userId, String status) {
return orderMapper.queryOrders(
userId, status
);
}
表面上看,用户ID已经传入查询方法。
但真正的问题是:
这个userId到底来自登录用户的可信身份,还是直接来自前端请求参数?
如果前端可以随意传入其他用户的ID,就可能出现越权查询。
代码能够编译,接口能够返回数据,普通功能测试也可能通过。
但权限边界实际上已经出现问题。
还有一种情况,Agent在修改DTO时删除了一个看似没有使用的字段。
这个字段可能被其他模块、前端页面或者历史接口依赖。
如果测试没有覆盖这些调用路径,PR依然可能通过。
因此,人工Review不能只检查代码是否符合当前功能描述,还要检查原有业务约束有没有被破坏。
Agent擅长根据当前任务完成修改,但它不一定能够完整理解所有历史业务规则和隐性依赖。
四、为什么测试全部通过,仍然不能直接批准PR?
很多开发人员看到Codex已经运行了测试,就认为代码质量有了一定保障。
但测试通过只能证明已经执行的测试用例通过。
它不能证明所有业务场景都正确。
例如:
订单查询接口的测试覆盖了正常用户查询。
但没有测试用户尝试访问其他人的订单。
订单状态修改测试覆盖了正常流程。
但没有测试重复提交、非法状态转换和并发更新。
甚至还有一种情况,Agent修改了业务代码,也同步修改了测试。
如果代码和测试使用了相同的错误理解,测试仍然可能通过。
因此,代码审查需要区分三个层面:
-
实现验证: 代码是否能够编译和运行。
-
业务验证: 实际行为是否符合需求和原有规则。
-
影响验证: 修改是否破坏其他模块和历史功能。
尤其是第三项,往往需要结合调用链、接口契约和回归测试才能发现。
不能把测试全部通过直接等同于可以安全合并。
五、解决方案:不要让一个PR承担太多不同的业务变化
我更建议对Agent生成的修改进行拆分。
例如,原本一个订单查询功能涉及30多个文件,可以按照业务边界组织:
第一部分:接口与数据结构。
先确定请求参数、响应DTO和接口契约。
第二部分:核心业务逻辑。
修改Service和Mapper,完成实际查询规则。
第三部分:权限与异常处理。
单独检查用户身份、数据归属和异常情况。
第四部分:测试与兼容性。
补充单元测试、集成测试和历史接口回归测试。
这并不是要求每次必须提交四个PR。
而是让每一组修改都有明确的业务边界。
如果一个功能必须同时修改多个文件,也可以保留在同一个PR中,但需要明确说明这些文件之间的关系。
关键是不要让开发人员面对几十个文件时,只能依靠文件列表猜测修改目的。
PR拆分的核心不是减少文件数量,而是降低每次审查需要理解的业务范围。
六、让Codex在提交之前,先生成修改范围和风险清单
很多时候,Agent完成代码修改后,只输出一句:
“功能已经实现,测试全部通过。”
这样的结果对人工审查帮助有限。
可以要求Codex在提交之前,先整理修改范围。
例如:
请完成当前订单查询功能的开发。
完成后不要只报告修改成功。
请额外输出:
1. 修改了哪些文件。
2. 每个文件为什么需要修改。
3. 涉及哪些业务规则。
4. 是否改变公共接口或DTO。
5. 是否影响权限判断。
6. 是否修改数据库查询逻辑。
7. 是否影响缓存和其他模块。
8. 已运行哪些测试。
9. 哪些场景还没有验证。
最后生成一份PR审查说明,
重点列出可能影响其他业务的修改。
这样人工Review时,就可以先看业务变化,再检查具体代码。
还可以让Codex按照风险划分修改内容:
-
高风险:权限、支付、订单状态和数据库结构。
-
中风险:公共接口、缓存、查询条件和异常处理。
-
低风险:日志、注释和局部代码整理。
风险分类不能完全依赖Agent自己的判断,但可以作为人工审查的辅助线索。
七、真正重要的不是逐行阅读,而是检查关键业务链路
面对几十个文件,开发人员很容易陷入逐行阅读的方式。
但更有效的审查方法,是先从业务入口开始,检查关键链路。
例如订单查询:
用户请求进入Controller。
Controller获取当前登录用户。
Service执行权限判断。
Mapper生成查询条件。
数据库返回订单。
最后转换为DTO返回前端。
审查时,先确认这条链路是否完整。
然后再检查每个文件的具体实现。
对于订单修改,还要检查状态转换、事务边界和并发条件。
对于支付功能,则要关注回调验签、重复通知和幂等处理。
这样可以避免只看某个方法写得是否漂亮,却忽略真正影响业务的地方。
另外,建议在PR中增加关键修改的前后对比。
例如:
原来的权限判断是什么?
现在变成了什么?
为什么必须调整?
有哪些测试可以证明行为符合预期?
人工Review首先应该验证业务行为,再检查代码实现,而不是先从文件数量开始逐个浏览。
八、如何建立适合AI生成代码的PR审查流程?
如果项目已经大量使用Codex,建议把代码审查流程也一起调整。
可以建立下面这套规则:
第一步:明确需求边界。
确定本次任务必须完成什么,哪些历史功能不能改变。
第二步:检查修改范围。
确认文件数量、公共模块和跨模块依赖是否超出预期。
第三步:先看高风险代码。
优先审查权限、支付、数据库写入和状态转换。
第四步:检查文件之间的关系。
确认Controller、Service、Mapper和DTO是否保持一致。
第五步:验证测试证据。
检查测试是否真正覆盖本次修改的关键业务场景。
第六步:检查最终差异。
确认没有无关重构、意外配置修改和不必要的文件变更。
如果PR过大,还可以要求Agent按照业务模块重新整理提交,或者拆成多个可独立审查的变更。
但不要为了追求PR小而把强关联的业务修改强行拆开,否则反而会增加集成风险。
九、让Codex辅助Review,应该怎么做?
除了让Codex写代码,也可以让它辅助检查自己的修改。
但更建议把实现和审查分成两个独立过程。
例如,先由Agent完成开发,再启动一个新的审查任务,只提供需求、原始代码和最终Diff。
要求它重点检查:
请独立审查当前PR。
不要默认实现方案正确。
重点检查:
1. 是否遗漏业务规则。
2. 是否出现权限绕过。
3. 是否改变原有接口行为。
4. 是否引入数据库查询问题。
5. 是否存在并发和事务风险。
6. 是否缺少关键测试。
7. 是否修改了不必要的文件。
请按风险等级列出问题,
并提供对应文件和代码位置。
没有证据的问题不要当成确定缺陷。
这样可以减少开发过程中形成的思维惯性。
但独立审查Agent也不是最终裁判。
如果两个Agent共享同样的错误需求理解,仍然可能漏掉相同的问题。
对于权限、支付和资金相关逻辑,最终仍然需要开发人员结合业务规则确认。
十、用一个指标判断代码审查是否有效
这篇只突出一个核心指标:
合并后缺陷逃逸率。
可以统计已经合并到主分支的PR中,后续在测试环境或生产环境发现、并且能够归因于本次修改的缺陷比例。
例如,一个团队连续合并了40个PR,其中4个PR在后续测试中发现了原本应该在Review阶段识别的问题,那么这批变更的缺陷逃逸率就是10%。
优化前后,需要保持统计口径和测试覆盖范围相近。
如果PR拆分后,审查更充分,关键业务问题在合并前就被发现,那么这个指标应该有所改善。
但不能单纯为了降低指标而减少功能修改或降低测试覆盖率。
真正有效的代码审查,不是让每个PR看起来更完整,而是让重要缺陷尽可能在进入主分支之前被发现。
十一、Plus和Pro怎么判断?
如果主要使用ChatGPT、Codex完成单个项目的代码修改、PR整理、测试和常规Review,Plus通常够用。
如果需要持续审查大型代码库、跨模块Diff和复杂业务链路,并进行多轮独立验证和风险分析,Pro更适合高频、长任务的工程工作流。
但套餐升级不能代替人工Review,也不能保证Agent生成的PR没有业务缺陷。
最后
Agent一次修改几十个文件,为什么PR越完整,人工Review反而越容易漏掉问题?
因为代码生成速度提高了,但人工理解代码、梳理业务关系和判断风险的速度并没有同步提高。
当一个PR同时涉及多个模块、接口和业务规则时,审查人员需要承担更高的上下文切换和关联分析成本。
真正可靠的AI代码审查流程应该是:
明确需求边界 → 检查修改范围 → 识别高风险代码 → 梳理业务链路 → 验证测试证据 → 独立Review → 再决定是否合并。
ChatGPT、Codex可以帮助开发人员生成代码、整理PR和辅助审查,但不能因为修改内容完整、测试全部通过,就默认代码可以直接进入生产环境。
AI让代码生成越来越快,工程团队更需要建立能够跟上这种速度的审查机制。
持续分享 Codex、大模型开发与 AI 编程实战内容
也整理了稳定的 Plus/Pro 会员订阅渠道,有需要下方可自取。
更多推荐

所有评论(0)