最近在团队里推AI辅助Code Review，试了半年了来说说感受。
目前主流的AI Review方式大概三种：
我们团队三种都在用，配合下来发现效率确实提升了不少。以前Review一个PR要半小时，现在AI先过一遍后人工只需要10-15分钟。
但也有明显局限：AI看不懂业务逻辑，架构层面的判断也做不了。它擅长的是找Bug模式、安全漏洞、代码规范这些。
想听听大家的实践经验——
我们团队从去年Q3开始用AI Review，说下实际感受。
工具方面：试过CodeRabbit、Sourcery、还有自己搭的GitHub Action + Claude API。最后留下来的是自建的方案，因为自定义程度最高，可以针对我们项目的特殊规范做定制。
Prompt设计的关键点：
噪音确实是最大的问题。刚开始的时候AI每个PR都能写20+条评论，开发都烦死了。后来调整了Prompt的优先级策略才好起来。
AI Review最擅长的几个方面：空指针、资源泄漏、SQL注入、XSS这些经典Bug模式。这些它识别得比人准，因为见过海量代码里的同类问题。
最不擅长的：业务逻辑判断。它看不懂你的折扣计算对不对，也判断不了状态转换是否合理。所以我们的策略是AI看技术质量，人看业务逻辑，各司其职。
我个人更喜欢对话式Review，就是把关键代码段丢给Claude Code问具体问题。比如这段并发代码有没有竞态条件、这个缓存策略会不会有一致性问题。
这种定向Review比PR机器人泛泛的扫描有价值得多，但缺点是需要Review的人自己有判断力，知道该问什么。
说个反面经验…我们之前AI Review的Prompt没设好，它把每个函数缺少注释都当成问题报出来。结果开发者对AI Review的评论免疫了，真正有价值的反馈也不看了。
教训就是：宁可漏报不要误报，建立信任比覆盖面更重要。
分享一个Prompt技巧：在系统提示里加一条如果没有发现严重问题只需回复LGTM。这样没问题的PR就不会收到一堆无意义的评论了。
还有一个实用的做法是让AI给问题分级：红色必须修复、黄色建议修改、绿色可以考虑。开发者可以优先处理红色的。
楼上说的分级方案我们也在用，确实好用。但补充一点：AI的分级不一定准，有时候它觉得是绿色的实际上是红色。所以最终还是需要人来把关。
AI Review最大的价值不是替代人，而是帮人提前过滤掉低级问题，让人把精力集中在更高层面的Review上。
好奇大家用Claude API做Review的话成本怎么样？一个月大概多少？我们团队一天大概10-15个PR，担心Token消耗太大。