Copilot 代码审查突破 6000 万次，GitHub 详解 Agent 架构演进

自去年 4 月我们首次发布 Copilot code review（CCR）以来，其使用量已增长 10 倍，目前在 GitHub 上占全部代码审查的五分之一以上。

在幕后，我们一直在进行持续实验，以提升评论质量。我们还迁移到了 Agent 化架构，可检索仓库上下文并对变更进行跨文件推理。在每一步演进中，我们都在倾听你的反馈：无论是问卷结果，还是你在评论上简单的点赞/点踩，都帮助我们识别关键问题，并持续迭代 UX，提供更完整的审查体验。

Copilot code review 可以处理 pull request 审查与摘要，让团队把精力放在更复杂的任务上。

Suvarna Rane，General Motors 软件开发经理

重新定义“好的”代码审查

随着 Copilot code review 的持续演进，我们对“好的代码审查”的定义也在变化。2024 年刚开始构建时，我们的目标很简单：尽可能全面。此后我们发现，开发者真正看重的是高信号反馈——能帮助他们更快推进 pull request 的反馈。如今，Copilot code review 结合最优模型、记忆能力与 Agent 工具调用机制，执行全面审查。为了实现这一点，我们采用了持续评估闭环来调优 Agent 的判断能力，重点围绕塑造体验的三项质量维度：准确性、信号、速度。

准确性

我们的目标是让 Copilot code review 给出可靠判断，优先识别关键逻辑与可维护性问题。我们通过两种方式评估性能：一是对已知代码问题进行内部测试，二是观察真实 pull request 的生产信号。在生产环境中，我们追踪两项关键指标：

开发者反馈：评论上的点赞/点踩帮助我们判断建议是否有用。
生产信号：我们衡量被标记问题是否在合并前得到修复。

这些信号共同确保 Copilot code review 暴露的是“真正重要的问题”，并且更快的合并来自更有把握的修复，而不是降低审查标准。

Copilot code review comment identifying a missing dependency in a React useCallback hook and suggesting a code change to add handleKeyboardDrag to the dependency array.

信号

在代码审查中，评论更多并不一定代表审查更好。我们的目标不是最大化评论数量，而是只暴露真正重要的问题。

一条高信号评论应当同时帮助开发者理解问题与修复方式：

Copilot code review comment warning that a retry loop could run indefinitely when an API returns HTTP 429 without a Retry-After header and suggesting adding a retry limit and backoff.

沉默好过噪音。在 71% 的审查中，Copilot code review 会给出可执行反馈；在剩余 29% 的场景里，Agent 会选择不评论。

随着我们识别高信号问题的能力提升，我们也能更有信心地评论：目前平均每次审查约 5.1 条评论，同时没有增加审查往返，也没有降低质量门槛。

速度

在代码审查中，速度很重要，但信号更重要。Copilot code review 的设计目标是在 pull request 打开后不久提供可靠的首轮审查。不过，有价值的审查仍然需要分析。随着推理能力增强，要发现更深层问题所需的计算也会增加。

我们将其视为有意为之的权衡。最近一次变更中，采用更先进的推理模型后，正向反馈率提升了 6%，尽管审查延迟上升了 16%。

对我们来说，这是正确交换。相比即时但带来噪音的反馈，略慢但能发现真实问题的审查更有价值。我们会在可能范围内持续降低延迟，但绝不会以牺牲开发者可依赖的高信号发现为代价。

关于 Agent 架构

基于我们对“好审查”的新定义，我们重构了代码审查系统。如今的 Agent 化设计可智能检索上下文，并在仓库内探索，以理解逻辑、架构与特定不变量。

仅这一转变，就带来了初步 8.1% 的正向反馈提升。

原因如下：

边读边发现问题，而不是最后才汇总：此前 Agent 往往在审查末尾才统一输出结果，容易“遗忘”早期发现。
可跨审查维持记忆：现在每个 pull request 不必是孤立事件。若在代码库某处识别到某种模式，后续审查可复用该上下文。
通过显式计划让超长 pull request 仍可审查：Agent 可提前规划审查策略，在长而复杂、且易丢失上下文的 pull request 上显著提升表现。
可读取关联 issue 与 pull request：额外上下文帮助它发现细微缺口，包括那些“单看代码似乎合理、但不符合项目需求”的情况。

让审查结果更易浏览

通过迭代 Agent 与 pull request 的交互方式，我们减少了噪音，并让反馈更可执行。对你而言，这意味着：

通过多行评论快速理解反馈（及修复方式）：我们不再把评论钉在单行代码上。通过将反馈关联到逻辑代码区间，Copilot 更容易让你看清其指向并应用建议修改。

Copilot code review comment on a GitHub Actions workflow identifying a missing use_caches input parameter and suggesting a code change to add the boolean input to the workflow configuration.

保持 pull request 时间线可读：对于同一类模式错误，Agent 不再拆成多条零散评论（容易造成压迫感），而是聚合为一个连贯单元，降低认知负担。
用批量 autofix 一次修复整类问题：可批量应用建议修复，一次性解决整类逻辑 bug 或样式问题，而不是在十几条单独建议之间频繁切换上下文。

带走这些结论

随着 AI 持续加速软件开发，帮助团队在规模化场景下高效审查并信任代码变得前所未有地重要。Copilot code review 通过在 pull request 内直接提供高信号反馈，帮助开发者更早发现问题，并在更有信心的前提下完成合并。

目前，已有超过 12,000 家组织在每个 pull request 上自动运行 Copilot code review。在 WEX，向“默认 AI 辅助审查”转变后，Copilot 在整个工程组织内的采用实现了规模化：

如今，三分之二的开发者都在使用 Copilot——其中包括组织内最活跃的贡献者。此后，WEX 通过在所有仓库默认启用 Copilot code review 进一步扩大采用。开发者也在大量使用 agent mode 和 coding agent 提升自主性，帮助 WEX 显著提升部署效率，代码交付量提升约 30%。— WEX customer story

接下来，我们将聚焦更深度的个性化与高保真交互：让 Agent 学习你团队那些未写明的偏好，并支持双向对话，让你在合并前即可细化修复方案、探索替代路径。

随着 Copilot 能力从编码与规划延伸到审查与自动化，我们的目标很简单：在保持卓越软件所需信任与质量的同时，帮助开发者更快推进工作。