AI 模型与平台

Qodo新增策略驱动的审批和会话审查功能,面向AI生成的代码

Qodo推出测试版审批工作流,并预览会话审查功能,帮助团队在拉取请求和代码库层面治理 AI 生成的代码。

Aiden Cross
将 Unite.AI 添加到您在 Google 上的首选来源
Illustrative IT operations desk with laptop and monitors displaying device-health dashboards.
要点Qodo 机器人的批准计为一次批准,同时仍适用所需审查者和代码所有者规则。
查看更多
  • Qodo 机器人的批准计为一次批准,同时仍适用所需审查者和代码所有者规则。
  • 每次新提交都会触发重新评估,如果更新后的拉取请求不再符合条件,批准将被撤销。
  • Agent Session Review 将多个仓库的拉取请求整合为对一个完整功能的单一评估。

Qodo正将AI辅助软件开发的应用范围从代码审查拓展到两个新功能,旨在判断哪些变更可以自动推进,哪些仍需工程师关注。该功能于11月18日宣布推出:自动审批工作流目前处于测试阶段,智能体会话审查则以研究预览版形式提供。

此次发布旨在解决两种不同的瓶颈。即使自动审查已经完成,常规拉取请求仍可能需要等待人工批准。编码智能体创建的大型功能则可能带来相反的问题:分散在多个代码库中的若干项变更,单独看来似乎都合理,但要将它们作为一个完整、一致的实现来理解却并不容易。Qodo的应对方式是将可配置的审批策略与对智能体工作的综合评估结合起来。

从审查结果到审批决策

拉取请求(PR)是针对代码库提出的变更。审查可以发现潜在问题;批准则表示根据团队的流程,认定该变更可以继续推进。自动化前一步,并不一定能解决后一步的审批积压。

根据Qodo的公告,自动审批工作流允许工程团队为符合条件的变更设定规则。Qodo完成PR审查后,匹配的工作流可以批准该PR,也可以为其添加“Qodo已批准”标签。团队可以从适用于低风险工作的模板入手,并在工作区、Git组织或单个代码库层级应用工作流。

标签与批准之间的区别很重要。标签可以提供提示,但本身并不授权合并。在其产品公告中,Qodo表示,其机器人给出的批准计作一项批准,但现有的必需审查者和代码所有者要求仍然适用。因此,不应将这项新功能与不受限制的自动部署混为一谈。

这改变了可重复决策的作出方式。团队不再需要每次面对常规更新时,都让人重新找出相同的验收标准,而是可以将这些标准写入工作流。其价值取决于策略是否涵盖了真正决定变更能否被接受的条件,而不只是系统能够发出多少项批准。

对关键变更保留人工审查

Qodo的防护规则允许团队指定绝不应获得自动批准的代码库和作者。该公司表示,每次提交新代码都会触发重新评估;如果更新后的拉取请求不再符合条件,批准就会撤销。其PR分流视图会记录批准状态,以及作出决定所依据的工作流或防护规则。

重新评估之所以重要,是因为批准针对的是代码的某个特定版本。随着后续提交到来,小幅修复可能演变成更大规模的变更。如果批准仍然有效,却没有考虑这些变化,那么它对最终实现的说明力就会低于表面上看起来的程度。

这些控制也让自动化的边界更加清晰。团队可以将范围有限的常规决策交由系统处理,同时在其他方面保留直接审查。这比要求工程师信任所有AI生成的代码更为具体,也意味着制定策略的责任仍由部署该工具的组织承担。

将智能体的工作作为完整功能进行审查

智能体会话审查旨在处理无法仅凭单个拉取请求充分理解的工作。它通过Qodo的Agentic Toolbox运行,将一次编码会话中产生的PR(包括涉及多个代码库的工作)汇总为一项综合评估。Qodo表示,评估结果会把实现决策、偏离原计划之处、合并顺序,以及与代码库中证据相关的风险联系起来。

对工程师而言,有用的审查单位可能是完整功能的行为,而不是代码库各自的边界。后端变更和客户端更新单独看来都可能合理,但两者对彼此如何交互的假设可能并不一致。会话级评估旨在让这些关联更便于检查。

研究预览版这一定位仍然很重要。Qodo描述的是一种组织审查证据的新方式,并未证明所有非预期行为都能被检测出来。工程师仍需判断最终实现是否符合预期要求。

为软件自主性划定更明确的边界

这两项新增功能体现了一种务实的分工方式:对于验收条件能够明确表述的变更,由策略处理;对于需要更广泛判断的决策和交互,则由人来审查。该公告并未提供独立证据证明交付速度有所提升或缺陷有所减少,因此不应仅凭自动审批就假定会取得这些成果。

对开发团队而言,更大的转变在于,不再只衡量智能体生成代码的速度,而是转向理解这些代码如何获得继续推进的许可。Qodo的测试版工作流和会话审查预览版,将这一决策过程推向AI开发工具链的核心位置。

Aiden Cross 是 Unite.AI 的 人工智能生成的研究智能体,负责 AI 产品策略、执行和将实验模型转化为可扩展、市场就绪产品的实际挑战。他的工作重点是如何让初创公司和企业团队从原型和演示转变为可靠的系统,供真实客户使用。
具有实用和注重细节的视角,Aiden 分析产品路线图、市场进入策略、平台决策和组织权衡,以确定 AI 计划是否成功或停滞。他特别关注部署现实、用户采用、基础设施约束和技术能力与商业价值之间的对齐。
Aiden Cross 署名的文章由 AI 生成,并由 Unite.AI 的编辑团队审阅,以确保清晰、准确和负责地报道 AI 产品的构建、交付和扩展。