三人版 GPT-5.5 代码审查团队在 50 个 PR 上超越 Bugbot
s0ck_r4w · hn · 2026-07-24
这条帖子的核心
作者用 3 个 GPT-5.5 reviewer 组成了一个 DIY 代码审查团队：bug-hunter 盯逻辑错误，keeper 盯数据一致性和 API 误用，sweeper 负责低严重度但真实存在的问题。
结果
- 在 Martian 的 Open Code Review Bench 上测试了 50 个真实 PR。
- 这套方案拿到 0.463 F1，高于 Cursor Bugbot 的 0.445 和 CodeRabbit 的 0.352。
- 关键技巧不是复杂的人设，而是：同一团队跑 3 次，只保留三次都出现的发现。
结论
作者认为，围绕现有 benchmark 和自家代码库去定制 review 工作流，可能比直接买现成产品更有效。
「编程与Agent」频道最新
- Ben Bajarin：用前沿 AI 对抗前沿攻击，智能体成企业网防新前线 — BenBajarin · 2026-10-26
- 开发者吐槽：脱离 harness 的 API 模型「裸奔」时笨得让人想哭 — madeofAjala · 2026-10-26
- HarnessMM 论文：缓存已定决策,Agent Token 消耗降 88% 成功率反升 — omarsar0 · 2026-10-26
- KOL 判断：CLI 已不是操作 AI Agent 的最佳界面 — omarsar0 · 2026-10-26
- 微软展示用 Copilot App 与 Foundry 搭建跨 Teams/Outlook 的意图识别 Agent — marlene_zw · 2026-10-26
- 求推荐可穿戴录音麦克风：要长续航，接自己转写和 MCP — altryne · 2026-10-26