Пошук проблем і перевірка мають різні ролі
Google описує спеціалізовані проходи для різних класів дефектів і подальшу перевірку складних випадків. Докази з коду потрібні як для повідомлення про помилку, так і для відхилення підозри. Такий процес має виявляти ситуації, коли агент помітив проблему, але виправдав її неперевіреним припущенням.
Автори повідомляють про зниження частки комітів ядра, які потребували виправлення протягом 60 днів: з історичних 3,4% до 2,2% у Linux 7.2. Вони прямо застерігають, що на порівняння впливають інші чинники. Ці спостереження не доводять, що все поліпшення спричинила Sashiko.
Спеціалізацію формує контекст проєкту
Репозиторій описує три шари інструкцій: перевірені за вихідним кодом нотатки, настанови мейнтейнерів і загальні процедури рев’ю. Linux є найбільш зрілою ціллю; GCC, QEMU та Zephyr мають різні статуси використання або пілотування. Цю різницю варто враховувати, оцінюючи готовність інструмента поза ядром.
За README, локальне рев’ю працює з комітами у git-копії та не змінює робоче дерево. Йдеться про процес перевірки, а не навчання LoRA чи новий набір ваг моделі. Перед упровадженням команда може вивчити відкритий код із ліцензією Apache-2.0 та обрати доречні правила перевірки.
Самого рев’юера також потрібно оцінювати
Посібник з оцінювання містить повний Linux-набір із 999 записів та менші набори для ітерацій. Запис пов’язує проблемний коміт з описом відомого дефекту. Структурований модельний оцінювач зіставляє результати з еталоном, тому важливо аналізувати правила підрахунку, а не лише підсумковий відсоток.
Тести кількох версій розрізняють точні та часткові виявлення, хибні спрацювання й коректність посилань на попередні людські зауваження. Збережені результати містять конфігурацію та окремі рішення. На нашу думку, внутрішня перевірка має охоплювати чисті патчі й раніше пропущені дефекти, а не тільки вдалі демонстрації.
Локальна програма не обов’язково означає локальну модель
Посібник провайдерів називає Gemini типовим варіантом і документує альтернативи через інші API та сумісні кінцеві точки. Розміщення рев’юера поряд із локальним репозиторієм саме собою не залишає інференс на цьому комп’ютері: напрямок модельних запитів визначають налаштування провайдера.
Перед роботою з приватним кодом команді варто визначити, який контекст дозволено передавати обраному сервісу та як обліковувати вартість перевірок. Порівнювати слід однакові патчі за фіксованих моделі, версії інструкцій і рівня зусиль. Чистий AI-звіт допомагає мейнтейнеру ухвалювати рішення, тоді як дозвіл на злиття визначають власні правила якості проєкту.

Обговорення.
Твій погляд має значення. Увійди, обери нікнейм та свій кіберобраз.
Завантажуємо обговорення…
Ім’я, email і фото з акаунта не публікуємо.