#code-review

coding agentを増やせば人間のreviewを消せるのか。議論は自動化の量ではなく、検証と運用リスクに向かった。

Godotの方針は道具の純度より、review可能な責任を問うものだ。HNでは品質基準とツール利用基準のずれが議論された。

GitHubはCopilot code reviewでgrep、rg、glob、viewなどCLI・SDKのファイル探索ツールを使い、レビュー品質を保ったままコストを約20%削減した。Medium analysis depthには組織デフォルト設定も加わった。

議論の中心は「AIがどれだけ速く書けるか」ではなく、遅いレビューの反復で信頼できるコードに近づけるかだった。

HNが食いついたのはモデル順位よりも、ちいさな修正依頼が巨大なdiffに化ける現場感だった。コーディングモデルの「過剰編集」を測る記事が、レビュー負荷の正体をかなり具体的に示した。

HNがStageに反応した理由はchapter UIだけではなく、agentが作ったcodeを人間がどう理解し責任を持つかだった。

Hacker Newsで反応が大きかったのは、どの大きなrepoでも同じ痛みを抱えているからだ。GitHubの Stacked PRs は大きな変更を順序付きの小さなPRに分け、GitHub UI と gh stack CLI の両方で review と merge の文脈を保とうとしている。

Cursorは2026年4月8日のXで、code review agentがpull request activityをreal-timeで学習できるようになったと述べた。あわせて、agentが見つけたissuesの78%がPR mergeまでに解決されると主張した。

Hacker Newsで広く読まれたRustの要約文書は、AIを検索、review支援、semi-structured data処理には有用としつつ、学習阻害、subtle bugs、倫理、電力消費、vendor集中には強い懸念を示している。

GitHubは2026年3月20日、Copilot code reviewが6000万件を超えたと発表した。3月5日の同社ブログによれば、利用量は公開後10倍に増え、現在はGitHub上のcode reviewの5件に1件超を占め、高signalを狙うagentic architecture上で動いているという。

300ポイント超のAsk HNスレッドで、現場の開発者は AI coding tool が小さな作業では役立つ一方、自動生成された仕様書や後片付けの負担がチーム速度を削ることもあると語った。

Hacker Newsは、Amazonがrecent outageの後にAI-assisted code changeへのsenior sign-offを強めるという報道に反応し、AI導入の本当のボトルネックがverificationとaccountabilityへ移っていると受け止めた。