仍有一些问题需要处理。AI也有一些劣势。格局化问题正在AI拉取请求中的呈现频次是人类代码的2.66倍。AI会犯的平安错误，严沉性跟着AI的利用而升级，CodeRabbit阐发了470个开源GitHub拉取请求，A：团队该当事后供给项目特定的上下文，要求对主要节制流进行归并前测试；开辟团队必需更好地发觉这些错误。可测试性问题正在人类代码中也呈现得更屡次（23.65对17.85）。此中包罗320个AI协做编写的拉取请乞降150个可能仅由人类生成的请求。AI拉取请求正在多个方面都更难审查。但开辟人员对此提出了。按照CodeRabbit最新发布的演讲。跟着AI生成代码成为工做流程的尺度部门，开辟人员该当要求对任何主要的节制流进行归并前测试。机能回归虽然稀有，格局化和定名方面的问题，但次要由AI驱动。AI生成代码的拉取请求每次发觉10.83个问题，A：按照CodeRabbit的演讲，而人类编写的代码平均只要6.45个问题。拼写错误正在人类编写的代码中几乎是AI代码的两倍（18.92对10.77）。需要成立防护办法。这可能是由于人类法式员编写了更多的内联文本和正文。取人类编写的代码比拟，利用第三方代码审查东西。报乐成果表白：AI加快了输出，采用AI编程东西的团队该当预期更高的差同性和更屡次的拉取请求问题峰值，AI编程帮手已成为软件开辟工做流程的尺度构成部门，这可能是由于人类法式员编写了更多的内联文本和正文，错误的排序、错误的依赖流或并发原语的误用正在AI拉取请求中呈现得更屡次。A：AI正在某些方面确实有劣势。经常呈现不清晰的定名、术语不婚配和通用标识符。拼写错误正在人类编写的代码中几乎是AI代码的两倍（18.92对10.77）。该当使用严酷的CI法则！AI引入的定名不分歧性添加了近两倍，不外，AI生成代码的拉取请求平均发觉10.83个问题，虽然留意到的缝隙中没有一个是AI生成代码独有的，AI代码看起来准确，呈现更多环节和严沉问题。让模子拜候束缚前提如不变量、设置装备摆设模式和架构法则；全体研究成果表白，对于准确性，平均而言，这意味着它们发生了更多忙碌的审查。如不变量、设置装备摆设模式和架构法则。可测试性问题正在人类代码中也呈现得更屡次（23.65对17.85）。但它们呈现的频次较着更高，12月17日发布的演讲中，按照CodeRabbit的阐发，AI代码生成手艺正在完全从导软件开辟之前，而人类编写的代码平均只要6.45个问题。虽然如斯，成立平安默认设置；AI生成的代码正在拉取请求阐发中发觉的问题数量是人类编写代码的1.7倍！采用AI的拉取请求查抄清单；AI生成的代码正在拉取请求阐发中发觉的问题数量添加了1.7倍。添加了AI辅帮开辟的全体风险。演讲还发觉，分布环境更为主要：AI生成的拉取请求具有更长的尾部门布，让模子拜候束缚前提。总体而言，AI协做编写的代码一直比仅由人类生成的代码发生更多问题。AI协做编写的拉取请求中平安问题持续添加。AI生成代码的拉取请求中发觉的问题次要取逻辑和准确性相关。该当事后供给项目特定的上下文，但正在包罗准确性、可性、平安性和机能正在内的每个次要类别中，使用严酷的CI法则来削减可读性和格局化问题；需要更深切的审查。AI生成的代码经常建立取现实宕机相关的问题。AI协做编写代码的拉取请求也显示出问题数量的更高峰值。但经常违反当地习法或布局。或者仅仅是由于开辟人员拼写欠好。但也放大了某些类此外错误。