AI-АГЕНТ ДЛЯ КОД-РЕВЬЮ И ПОЧЕМУ ЭТО ИЗМЕНИТ НАШУ РАБОТУ
История Яниса Щенсного...
Иногда большие перемены начинаются с маленькой боли.
«Я инженер технической поддержки. Работаю в компании четвёртый год. Моя роль — обеспечивать стабильную работу систем, решать инциденты, оптимизировать процессы и помогать команде находить технические решения. Постепенно я начал участвовать и в автоматизации рутинных задач, и во внедрении новых инструментов.
На решение создать AI-агента повлияли три вещи: инициатива нашего CTO Устема Мухавиенова, мой интерес к инновациям и желание автоматизировать всё возможное. Код-ревью оказалось идеальной площадкой для эксперимента.
Все, кто хоть раз делал код-ревью, знают это ощущение: однообразные комментарии, вечная гонка дедлайнов, усталость сеньоров и недовольство джунов, которым так и не хватает нормальной обратной связи.
Эксперимент Яниса… когда простота делает успехи.
Чтобы не утяжелять процесс, Янис создал AI-агента, который анализирует не только diff, но и весь репозиторий:
• находит конфликты, которые не видны в одном лишь diff;
• моделирует возможные последствия изменений для зависимостей и смежных модулей;
• при обнаружении критических или фатальных ошибок предлагает конкретные шаги по исправлению;
• помогает команде сократить рутину, повысить качество ревью и скорость доставки изменений.
Конечно, поначалу всё было далеко от идеала. Возникала ошибка с авторизацией, а в Claude API регулярно появлялись проблемы с парсингом ссылок. Дополнительно большие MR значительно замедляли процесс.
Но шаг за шагом находились решения: добавился умный парсинг URL, настроили retry-логику, ограничили количество анализируемых файлов и структурировали длинные комментарии. Постепенно экспериментальный скрипт превратился в полноценного ассистента и стал частью нашей ИИ-платформы, решающей бизнес-задачи и одновременно автоматизирующей внутренние процессы команды.
Что по эффектам?
Раньше процесс код-ревью был полностью ручным — никаких автоматических инструментов для анализа и стандартизации кода в команде не использовалось.
На текущем этапе (первый тестовый период) мы фиксируем сокращение времени на ревью и ускорение обнаружение ошибок. Дальнейший анализ покажет реальный масштаб эффекта, но тренд выглядит положительным.
В цифрах результат выглядел ещё нагляднее: за первые недели агент проанализировал более 150 Merge Request, нашёл около 500 проблем разной критичности, а на каждое ревью у него уходило всего от 1 до 3 минут с точностью в 75–85%. Качество кода стало более стандартизированным, стал лучше соблюдаться best practices, и команда постепенно начала избавляться от технического долга. Впечатляюще!
За кулисами
«Горжусь тем, что смог создать такую систему, — признаётся Янис. Это комплексная инженерная задача, требующая продуманной архитектуры и устойчивых решений».
Что дальше
Проект только набирает обороты, но в нём уже виден потенциал. Дальше — больше: развитие аналитики, новые сценарии и ещё больше автоматизации.
Автор: Tota Nabi