Я заставил дрозофилу сделать ревью моего кода — Ник Ниси, WorkOS

원제 · I Made a Fruit Fly Review My Code - Nick Nisi, WorkOS

16:372분 읽기AI Engineer2026. 11. 01.컴퓨터/소프트웨어

핵심 요약

Традиционное код-ревью силами человека уступает место автоматизированным конвейерам и агентным системам проверки, где человек подключается только для контроля бизнес-логики и контекста изменений.

하이라이트

  • Код пишется быстрее, чем когда-либо, а главным узким местом в разработке ПО становится сам человек.

  • Мозг самца плодовой мухи содержит 176 тысяч нейронов, 6,3 миллиона связей и более 125 миллионов синапсов.

  • Модель ревью на основе мозга плодовой мухи правильно оценивала код в 88% случаев на тестах.

  • Автоматизированные инструменты вроде Greptile и CodeRabbit проверяют код, но не понимают истинный смысл и причину изменений.

  • Команды могут использовать автоматизацию для самостоятельного слияния пулл-реквестов и эскалировать на человека только сложные случаи.

타임라인

  1. Новое узкое место в разработке ПО

    Инженеры пишут меньше кода самостоятельно, делегируя эту задачу инструментам генерации. В результате процессы тестирования и проверки сдвигаются к моменту ревью. Задача человека смещается от поиска синтаксических ошибок к пониманию того, действительно ли изменения соответствуют поставленным целям.

    • Написание кода и создание пулл-реквестов ускорил искусственный интеллект.
    • Существующие инструменты CI, линтеры и агенты автоматизируют базовые проверки.
    • Основным ограничивающим фактором разработки остается человек, выполняющий код-ревью.

  2. Эксперимент с мозгом плодовой мухи для код-ревью

    Для демонстрации возможностей автономного анализа применяется оцифрованный мозг плодовой мухи. Код преобразуется в набор признаков, которые муха оценивает на основе ранее сформированных воспоминаний. Положительные результаты подкрепляются симуляцией сахара, а ошибки — горьким наказанием и дофаминовым откликом.

    • Коннектом мозга плодовой мухи используется для анализа изменений в JavaScript.
    • Модель System 1 под названием JEV преобразует код в текстовые аналоги запахов.
    • Система вознаграждения дофамином формирует у модели память о хорошем и плохом коде.

  3. Сравнение точности мухи и аудитории

    Сравнение решений зала и нейросети показывает высокую эффективность биологической модели. Муха успешно определяет подозрительные участки кода и запрашивает изменения. Тем не менее, ограничения в коммуникации не позволяют ей сформировать полноценный отчет для разработчика.

    • Аудитория и плодовая муха тестируются на трех случайных файлах из реальной кодовой базы.
    • Точность плодовой мухи при расширенном тестировании достигает 88-98% в определении проблем.
    • Модель обнаруживает потенциальные баги, но не объясняет причины и не дает рекомендаций по исправлению.

  4. Организация процесса ревью без участия человека

    Исключение человека из каждого пулл-реквеста ускоряет выпуск программного обеспечения. Команды описывают критерии проверки в виде скриптов и навыков. Если автоматический конвейер проходит все тесты и проверки систем Greptile или CodeRabbit, изменения объединяются автоматически, а разработчик получает краткое текстовое резюме.

    • Командные навыки ревью задают минимальные стандарты проверки для каждого подразделения.
    • Автоматизированные рецензенты проверяют риски и сложность изменений без участия людей.
    • Система запрашивает вмешательство человека только при обнаружении критических отклонений.

설명

Code is being written faster than ever, and Nick Nisi, who leads developer and agent experience at WorkOS, argues that the human reviewer is now the bottleneck. To make the point, he hooked a simulated fruit fly brain, built from a full scan of its neurons, up to code review: AI turns each change into literal "code smells," sugar and bitter rewards teach the fly what good and bad code taste like, and it was right about 88% of the time in testing. Then he plays a live round against the audience and lays out a practical plan where team review skills, classifiers and automated reviewers only send the risky pull requests to a human, backed by proof like screenshots and smoke tests. Chapters: 0:00 Intro 0:37 Humans are the bottleneck 2:35 Where the word "bug" came from 3:04 Using a bug to find bugs 4:00 Wiring a fruit fly brain into code review 4:57 Turning code into smells 6:43 Sugar, bitterness and memory 7:32 Does the fly actually matter? 8:15 Game: are you smarter than a fruit fly? 10:22 Trying a real pull request 11:55 What only humans know: why 12:33 Escalate only the reviews that matter 14:56 Proof instead of review Nick Nisi https://workos.com Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!

이 영상에 대해 글쓰기