# 让 AI 帮你审代码：把“看起来没问题”变成有证据的结论

原文：https://itjc.com/tutorials/code-review/
主题：Codex；级别：实战；更新时间：2026-11-15。

> 从明确对比范围到复现缺陷，建立一套可以重复使用的审查流程。

## 定义审查的对象
先确认对比基线。工作区改动、一个提交和整个分支的范围不同。把目标写清楚，例如“只审查本分支相对 main 的变化，先不修改”。以下命令要求仓库中存在 main；否则替换成真实基线。

```sh
git diff --stat main...HEAD
git diff main...HEAD
```

## 提供业务约束
审查者需要知道什么行为不能坏。例如：旧链接必须仍可访问、重复支付回调不能重复交付、空关键词应返回全部教程。这些约束比“认真审查”更能引导具体检查。

```text
请审查本分支相对 main 的代码变化，暂不修改。
重点检查输入边界、状态变化、兼容性及错误处理。
只报告有明确触发条件且值得修复的问题。
每项写明位置、触发步骤、实际后果和建议验证方法。
如果证据不足，请说明缺口，不要当成已确认缺陷。
```

## 把发现变成可复现的问题
“这里可能有空值”仍然很模糊。追问什么输入会产生空值、现有调用方是否真的传入、运行后会出现什么。优先验证影响用户、数据或关键流程的问题，避免把代码风格分歧挤进缺陷列表。

## 人工做最后判断
AI 可以漏报，也可能误报。对重要发现应阅读上下文并构造最小复现。对支付、权限等高影响变更，不能只依赖一次自动审查。没有发现也只代表本次范围内未找到明确问题。

## 留下一份可操作的记录
最终记录包含审查范围、确认的问题、验证结果和未覆盖范围。环境无法运行时直接写清楚。修复后重新触发原问题，而不是仅检查报错那一行已经换了一种写法。

## 练习
选一个你熟悉的小改动，先自己列出三个可能的边界，再让 AI 审查。比较遗漏与误报，逐步形成适合该项目的检查清单。

## 官方资料与参考

- [OpenAI 技术实战训练](https://developers.openai.com/training)
- [Claude Code 常见工作流](https://code.claude.com/docs/en/common-workflows)
