铃阅时讯
❌

普通视图

如何在 AI 辅助开发中落地有效的评审关卡(Review Gates)

2026年5月26日 11:30

原创 Vineet Desai 2026-05-26 11:30 北京

AI 编码助手可以显著提升软件开发的速度。然而,如何确保其输出的结果值得信赖,依然是当下的一大核心挑战。在实际开发中,我们经常遇到一些让人头疼的问题:需要评审规模庞大且难以入手的 diff、在跨编码会话(sessions)时丢失上下文,或者由于 AI 在任务中途转移了注意力而产出一些只有部分功能可用的“半吊子”代码。

为此,我希望找到一种能够有效化解这些风险的工作流。它需要满足以下几点:

  1. 减轻评审 AI 生成代码时的认知负载(Cognitive Load)。

  2. 允许我随时暂停会话并在之后无缝衔接,而无需向 AI 助手重新解释上下文。

  3. 保持代码库的稳定性,防止 AI 在开发中悄悄“跑偏”。

为了测试这一设想,我亲自动手构建了一个名为 tiny-event-bus 的项目——这是一个使用 GitHub Copilot 配合 Claude 4.6 Opus 开发的类型安全、零依赖的事件总线(Event Bus)。我在其中摸索出的这套工作流主要由三部分组成:将工作拆分为易于评审的小块的里程碑(Milestones)、两种不同频率的评审关卡(Review Gates),以及一个用于在不同会话间维持 AI 项目记忆的动态上下文文件(Living Context File)。

在这篇文章中,我将重点聊聊这些里程碑的拆分,以及为什么我认为它们在 AI 辅助软件开发中至关重要。

AI 辅助下的开发规划

在项目的第一个会话(session)里,我没有动一行代码,而是把时间都花在了描述我的真实需求上。AI 据此提出了一个完整的方案:包括技术栈选择、包(package)结构和里程碑拆分。

在双方达成一致后,AI 在“规划模式(Plan Mode)”下草拟了 AGENTS.md 和 MILESTONES.md 文件。在正式编写任何实际代码之前,我对这些内容进行了反复评审和迭代。其中,AGENTS.md 是一个控制在 200 行以内的精简上下文文件,在每个里程碑完成后都会进行更新,从而确保后续新的会话能够基于最新的上下文启动。

里程碑:让代码评审保持“小步快跑”

AI 可以在几分钟内生成涉及 40 个文件的 diff。而里程碑(Milestones)机制正是解决这一痛点的良方——它将每个功能拆分为足够小的分块,让你可以坐在位子上一次性轻松评审完。并且,每个里程碑交付时,代码库都必须处于可编译、测试已通过且文档完备的稳定状态。

每个新功能的开发都始于规划模式,由 AI 提出拆分建议。具体而言,它会分析该功能涉及的技术层、需要拆分为多少个里程碑以及具体的先后顺序。这种顺序基于依赖关系分析,而非生搬硬套的固定序列,我们会不断迭代直到方案完全合理。随后,AI 会将商定好的里程碑更新至 MILESTONES.md中,并将它们默认标记为“未开始(not started)”。最后,在代码实现正式开始前,我会对整个计划进行最终评审。

“一个功能绝不仅仅是一个里程碑。”

以订阅事件总线上的所有事件(即 onAny 事件监听器)这一功能为例。它的具体落地被拆分成了四个里程碑:

  1. 核心实现 —— 将 onAny功能添加到事件总线中。

  2. React Hook—— 一个将监听器与 React 组件生命周期绑定的封装器。

  3. Demo 更新—— 将其接入示例应用中。

  4. 端到端验证与文档更新 —— 验证该 API 的端到端可用性,并提升其可发现性(Discoverability)。

在第一个里程碑完成后,核心功能已经可以使用,且所有测试均顺利通过。此时 React hook 虽然还不存在,但现有的代码没有任何损坏。你完全可以直接推送(Push)代码,改天再回来继续。

再举一个将项目迁移为 Monorepo(单仓多包)以通过插件架构支持事件总线功能扩展的例子。它被拆分成了五个里程碑:

  1. 脚手架搭建工作区(Workspace)结构。

  2. 提取核心包(Core Package)。

  3. 提取 React 插件。

  4. 完整工作区的验证。

  5. 将示例应用迁移为使用工作区依赖。

对比一下:如果让 AI 一口气把整个迁移做完,你将不得不面对一个包含 40 个文件的庞大 diff。你需要一边检查 peer 依赖声明,一边验证导入路径(Import Paths)。那样的评审体验简直是一场灾难!相反,分块进行评审则轻松得多,因为你能够真正静下心来去阅读并思考每一行代码。里程碑将代码评审从冷冰冰的“合规审计”变成了一场有来有往的“建设性对话”。

评审关卡:及早捕捉偏差

评审关卡(Review Gates)能够确保每个里程碑的质量落到实处。我之所以称其为“关卡(Gates)”而非“循环(Loops)”,是因为它的核心特征不在于重复迭代,而在于 AI 必须停下来,等待人类的明确许可后才能继续。这确保了在未经人类评审的情况下,任何代码都无法擅自合并进代码库。

这有意区别于诸如 Ralph 循环(Ralph Loop)等完全自主的方法。在 Ralph 循环中,AI 处于“编写代码、测试、修复、重复”的持续自动化循环中,极少需要人类干预。虽然 Ralph 循环把速度拉满了,但由于它会在极短时间内生成海量代码,这给人类的监督带来了巨大障碍。这种“狂飙”的速度极易导致错误的假设在底层层叠加重。关卡机制用一部分速度换取了控制权,但其整体开发效率依然远比你纯手写要快得多。

在这个工作流中,我们设计了两种不同频率的评审关卡:

  • 内部关卡(Inner Gate): 在每个独立测试完成后触发(这也是最小的可评审单元),能够在错误的假设蔓延之前将其掐断。

  • 外部关卡(Outer Gate): 在里程碑边界触发,用于检查完成的功能是否契合全局设计,以及代码库是否处于稳定状态,以便交付或稍后继续。

1. 内部关卡(Inner Gate)

由于项目遵循测试驱动开发(TDD)流程,内部关卡会在每次“红-绿-重构(Red-Green-Refactor)”循环后触发。AI 编写一个失败的测试,然后仅编写足以使测试通过的代码,随后便停下来等待评审。这可以防止 AI 预先注入不必要的自以为是的假设。

如果没有内部关卡, AI 可能会基于某种误解来编写测试并据此进行实现,最终产出一个逻辑自洽但方向完全错误的功能。内部关卡能够在极早期捕捉到这种偏差,同时也一步步建立起人类对代码的信心。

2. 外部关卡(Outer Gate)

外部关卡在里程碑边界触发。此时,AI 会运行诸如测试套件、代码检查(Linting)、构建、文档更新等一系列机械性检查。而我的评审则是人类特有的控制层——在这一步,我会验证整体设计、审查配置文件的更改、检查项目结构,并捕捉自动化手段容易漏掉的盲点。

在每个里程碑完成后,AGENTS.md和 MILESTONES.md 都会被更新,它们会明确告诉 AI 你当前停留在哪里。这就是让“暂停与恢复(Pause and Resume)”机制得以完美运转的核心所在。

它能帮我们将大型评审拆解为易于管理的小块,安全地回滚到之前的任何检查点,并保持文档的实时更新,以便新的会话可以在上一个逻辑完结处平稳启动。

我们真的两者都需要吗?

简单来说,内部关卡是里程碑内部的评审点;而外部关卡则是具备足够稳定性、可以随时 Push 的里程碑边界。

我们能否跳过内部关卡?这取决于具体情况。仅靠外部关卡确实也可以让评审规模保持在较小范围内,并提供稳定的暂停点。但代价是,你只有在里程碑结束时才会发现错误的假设,而不是在每个测试结束后及时纠偏。此外,内部关卡能让外部关卡的评审变得更快——因为你已经审过了每一个具体的测试,外部关卡在很大程度上就简化为了纯粹的全局设计方案走查。

因此,对于成熟的代码库,跳过内部关卡是合理的选择;但对于从零开始的新项目(Greenfield Work),内部关卡绝对物超所值。

实践中的“摩擦”与挑战

在实际推行这套工作流时,我也遇到了一些不完美的地方:

  • AI 倾向于直接编写完整实现而非“最小可行代码”,这在一定程度上削弱了 TDD 的严谨性。重构(Refactor)环节在 AI 的干预下也变得更加薄弱。在将测试变绿之后,AI 几乎绝不会主动去审视是否需要重构。要么是它觉得代码已经足够干净,要么是存在真正的重构机会却被它完全忽略了。你通常不得不自己找出这些盲点并给它相应的提示(Nudge)。

  • AI 无法百分之百可靠地遵循上下文文件中的规则。 大模型遵循指令是概率性的,而非确定性的。

  • 用 AI 更新文档是一场持久战。 有时 AI 会把一个里程碑标记为已完成并直接进入下一步,除非你明确要求,否则它压根不会去动其他文档。即便它真的去更新了,也往往会更新了部分文档而漏掉了另外一些。

  • AGENTS.md 中的规则仅是约定俗成的惯例,缺乏自动化的强力约束。

警惕:这种模式很容易让人上瘾!

这种高效的闭环体验令人极度舒适。当编码实现的阻力降得如此之低时,真正的瓶颈就转移到了你个人的精力与判断力上——而这两者都会随着疲劳而迅速下降。当你感到疲惫、只想机械地“打勾”通过并期待下一个功能立刻跑起来时,评审关卡机制的效果就会大打折扣。

核心结语与启示

AI 编写代码的速度远快于人类评审的速度。 本文提出的工作流正是通过引入“约束”来破解这一难题:

  • 里程碑: 确保每次评审都保持在较小的、可控的规模。

  • 内部关卡: 每次只针对一个测试进行纠偏,及早捕捉假设偏差。

  • 外部关卡: 确保每个检查点上的代码库都处于可随时交付的稳定状态。

  • 动态上下文文件: 在不同的开发会话之间完美维持项目记忆。

AI 速度极快且不知疲倦,但它缺乏鉴赏力(Taste)和判断力(Judgment)。在 AI 时代,你的核心工作已从“编写代码”转向了“设计约束”与“评审输出”。在这一全新范式下,你将同时扮演架构师、高级开发人员以及 QA 的角色。

免责声明:本文中表达的陈述和观点属于作者个人,不一定反映 Thoughtworks 的立场。

跳转微信打开

❌