LinkedIn 介绍多智能体代码审查平台，强调高信号与可运营性

InfoQ 报道，LinkedIn 工程团队构建了多智能体 AI 代码审查平台，以应对大规模拉取请求（PR）审查。平台让不同模型和推理方式的审查器交叉验证，同时结合组织级政策、仓库约定和上下文规则，目标是减少幻觉和低价值评论。

原文要点

• LinkedIn 认为现成单一审查器的局限包括盲点相同、难以分层定制，以及缺少运营控制。
• 其架构使用事件驱动管线、持久队列和可横向扩展的 Kubernetes 工作器，并监控延迟、接受率、完成率和供应商失败等指标。
• 多个审查器独立发现同一问题会提高置信度；独有发现则另行验证，已修复、无关或不符合仓库约定的建议会被过滤。
• 报道称，对 1,727 个 PR 中抽样的 5,230 条评论进行评估后，63.9% 的建议被接受；不同类型差异明显。

为什么重要

把代码审查智能体用于生产，难点不在于生成更多评论，而在于让评论可信、贴合代码库且能被开发者采纳。LinkedIn 的案例显示，评估、过滤、可观测性和失败处理需要与模型能力一起成为系统工程的一部分；其接受率也不代表其他组织能获得相同效果。

关键要点

• 多智能体交叉验证旨在提高审查结果的信噪比。
• 组织规则与仓库上下文是减少泛化建议的关键输入。
• 应用效果需用合并代码等后验结果持续评估。