从优步 uReview 系统中学习多智能体成本削减与幻觉防范法
TuBrief Editorial
September 8, 2026
0
Computing/SoftwareWritten with AI assistance from the source video. The video is the authority.
More from the community
Comments (0)
Log in to leave a comment
No posts yet
Written with AI assistance from the source video. The video is the authority.
Log in to leave a comment
No posts yet
如果将原始 Git 差异（Git Diff）和整个源代码直接塞进遗留单体应用（Legacy Monolith），就会引发严重的成本爆炸。优步于 2025 年公开的 uReview 平台自动分析了每周来自 6 个单体仓库（Monorepo）中 90% 的变更事项。然而，如果在模块边界不清的代码库中不加整理地调用模型，Token 成本会飙升 6 倍。无法理解全局工厂类（Global Factory Class）的模型会要求进行不着边际的空指针检查，从而产生幻觉。一旦堆积起毫无用处的评论，开发人员就会立刻关闭通知，陷入警告麻木状态。
我们必须使用 Python 标准的 ast 模块编写一个预处理引擎，仅筛选出变更的函数签名和受影响的局部变量。在整理静态元数据后，通过哈希比较将与变更无关的功能性修改剔除。接着，对包含变更行的最底层函数节点的签名和实际修改语句进行反解析，制作出轻量级的 JSON 载荷（Payload）。
用 100 个遗留模块进行基准测试，差异非常明显。注入原始文件平均每个 PR 消耗 42,000 个 Token 且花费 0.273 美元。相比之下，使用 AST 预处理和 JSON 压缩后，每个 PR 降至 6,100 个 Token 且花费 0.068 美元。API 成本减少了 47.3%，幻觉性误报率也下降到了 9.4%。
如果将安全智能体和业务逻辑智能体绑定在交互式群聊中，它们就会互相接收对方的输出，陷入无限的乒乓循环中。分析单个 PR 需要花费十几分钟，API 成本也会急剧飙升。绝对不能让智能体之间直接通信。必须利用 Pydantic 架构和 LangGraph 构建有限状态机框架。
各个专业智能体仅接收中央管道状态，并根据其领域规则进行判断的结果，仅以预定的模型格式返回。使用 Pydantic 定义强制规范智能体输出的标识符、文件路径、严重程度和置信度得分的数据类。设置条件边：当重复次数达到 2 次，或者所有评论的置信度收敛到 0.85 以上时，强制中断状态机。
根据 OpenTelemetry GenAI 语义约定标准，必须用唯一的 Span 包裹每个智能体的执行，并将 Token 使用量记录在分布式追踪后端中。应用这种结构后，技术负责人（Tech Lead）为了捕获智能体故障而浪费的调试时间每周可减少 6 小时以上。
根据谷歌内部静态分析工具 Tricoder 的运营数据，无论工具的指出多么准确，如果开发人员觉得不值得修复，敌意就会加剧。有效误报率超过 5% 的检查器会立即被淘汰。为了让自动审查评论的采纳率达到 67% 以上，必须进行渐进式发布，从低风险模块开始逐步扩大范围。
选择 DTO 验证层和没有副作用的纯函数等层，运行隐藏评论的影子模式（Shadow Mode）3 周。在确认 85% 的精准度后，在 3 个领域小队（Domain Squad）的后端代码中开放内联评论并追踪采纳率。按周收集反馈日志，运行自动将低于 67% 采纳率的高误报规则从白名单中剔除并扔进隔离列表的反馈循环脚本。将这个白名单验证脚本植入管道中，就能快速过滤掉让开发人员恼火的无用规则，从而将团队内部审查系统的采纳率提升到 70%。