ИИ-агенты убивают ревью кода — объяснение проблемы «принципал-агент»

Отраслевой стандарт проверки кода — сначала ревью, затем коммит, популяризированный через GitHub PR, — был разработан для совместной работы с низким уровнем доверия. Человек вносит изменения, другой человек проверяет их, происходят итерации, и изменения принимаются. Это работало, потому что рецензенты могли легко оценить усилия и понимание, читая код. AI-агенты полностью разрушают эту модель.

Катастрофа с агентом-посредником

Наилучший сценарий с AI-агентами: человек дает команду машине написать код, человек проверяет его, затем отправляет второму человеку для традиционной проверки. Это удваивает нагрузку на ревью. Хуже того, агенты увеличивают общий объем изменений. В результате пропускная способность ревью исчерпывается до того, как реализуется хотя бы часть прироста производительности от агентов.

Но реальность еще хуже. Фактический паттерн таков: человек вводит короткий промпт, бегло проверяет вывод, упаковывает его в PR, а затем направляет комментарии рецензента обратно агенту для исправлений. Это классическая проблема принципала-агента: рецензент (принципал) больше не может оценить усилия или понимание по коду, потому что код был сгенерирован машиной. Человек, управляющий агентом, не заинтересован в том, чтобы на самом деле читать код или критически осмысливать отзывы рецензента. Он тратит 5 минут и создает серьезную нагрузку на ревью для другого инженера.

Именно это убивает open source — «мусорные PR» от людей, которые не понимают проект, его ограничения или инструменты.

Путь вперед для небольших команд

Для небольших команд с высоким уровнем доверия есть более простой процесс: человек дает команду агенту → человек проверяет код → человек развертывает непосредственно (без второго рецензента). Человек, управляющий машиной, берет на себя полную ответственность, владея развертыванием. Проблема принципала-агента исчезает, потому что человек одновременно является и драйвером, и развертывающим.

В exe.dev команда из девяти человек успешно использует этот подход. Ключевые практики: писать гораздо больше интеграционных и сквозных тестов, создавать агентные рабочие процессы для анализа коммитов на наличие ошибок безопасности, производительности и юзабилити, а также обеспечивать, чтобы человек всегда нес ответственность за финальное развертывание.

Традиционная модель ревью кода не подлежит спасению с агентами. Небольшие команды могут адаптироваться; крупные организации и проекты с открытым исходным кодом сталкиваются с более сложной структурной проблемой.