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
- 现代 AI Agent 协议栈的 11 项实用地图 — TheTuringPost · 2026-07-27
- NVIDIA 称 Nemotron 3 Ultra 在 RTL 芯片设计任务上达 97.1% — NVIDIAAI · 2026-07-27
- 东京 Agent Forge 黑客松一天做出可上线 AI agents — DavidBennett__ · 2026-07-27
- 长周期智能体最终需要不可变事件日志 — sebpaquet · 2026-07-27
- 实测智能体数据科学工作流：代码能跑但常答错问题 — hugobowne · 2026-07-27
- 一个 VS Code 扩展给 Alchemy 模板加上 Markdown 高亮 — samgoodwin89 · 2026-07-27