共计 3386 个字符，预计需要花费 9 分钟才能阅读完成。
人工智能编程的浪潮正在深刻改变软件开发的效率界限。在开发者利用AI编码工具加快产出速度的同时，代码数量激增、Bug频繁、合并请求冗长等问题也日益显现，工程师的精力越来越多地被繁重的代码审查工作束缚，形成新的行业瓶颈。
在AI编码领域，一条新的分支赛道逐渐形成，那就是代码审查。
自去年第四季度起步至今，这一方向在2023年第一季度加速发展，得到了包括Accel、a16z等顶尖风险投资机构的关注与资金支持。
原因在于，尽管开发者在使用AI编码工具时产出效率显著提升，但随之而来的错误率也在上升。工程师们不得不花费大量时间去修复AI生成的代码，因此，专门用于代码审查的AI工具应运而生。
值得注意的是，当前这个新兴领域中，已经涌现出多家公司。例如，CodeRabbit的估值已达到5.5亿美元，而另一家从事代码审查的公司Graphite也在今年三月宣布获得5200万美元的B轮融资，由知名风险投资公司Accel领投。
今天，让我们来深入探讨这个由AI推动且服务于AI的新兴领域。
01 月收入环比增长20%，1500万美金ARR
在过去的一年里，AI使得代码编写的过程变得愈加便捷，但与此同时，也引发了一系列新问题，诸如代码数量激增、Bug频繁、合并请求日益增多，工程师的时间被“代码审查”这道工序所占用。
早在2022年，CodeRabbit的创始人Harjot Gill便洞察到了这一趋势。
Gill曾在2018年将无代理监控公司Netsil出售给Nutanix，而他的第二次创业FluxNinja虽未成功，却给予了他重要的启示。
在远程管理团队的过程中，他亲眼目睹了Copilot如何导致代码提交量激增、Bug数量上升以及审查负担加重。因此，他思考：是否可以借助AI来“阅读代码”，帮助人们查找错误呢？
2022年，团队将大型模型引入代码审查流程，自动识别缺陷与规范性问题。粗略的原型开源后，意外获得了众多开发者的热烈欢迎，甚至日本技术社区主动为其撰写博客进行推荐。
在确认了需求后，团队于2023年注册了CodeRabbit，专注于执行一项任务：AI代码审查。它像一位常驻的审查员，嵌入GitHub/GitLab的PR/MR流程中，并不在IDE（集成开发环境）中出现，也不参与代码编写的任务。
从零到一的功能演变始终围绕审查本身展开：
自动生成PR摘要
逐行提供可执行建议
随新提交进行增量复查
在评论中@它可以继续修改代码
一键生成发布说明
CodeRabbit首先学会了“理解代码”。它会学习每个项目特有的写作方式、风格和历史审查记录，将项目中的结构化信息，如代码的语法树（AST）、函数调用关系、历史PR记录和Jira任务等数据输入到大型模型中。
生成的评论不仅会解释“为什么”给出这样的建议，还能追溯到具体的规则或历史决策，而不仅仅是大型模型对文本的“概率”续写。换句话说，生成的评论附带“出处”和“原因”，不再是黑箱中的概率，而是可追溯的决策，令人信服。
这些能力源于团队早期的布局。两年前，他们预见到“代码审查将成为瓶颈”，因此提前构建了“代码图谱”，整合项目中的依赖关系、静态分析结果及Linter报告，使模型能从多个信号中判断问题。
他们还设计了一个反馈闭环：每当开发者“采纳”或“忽略”建议时，系统都会记录并反馈给模型。
随着时间推移，模型将越来越了解团队的习惯，仿佛一个真正的老同事一般。
Harjot Gill认为，当这种习惯一旦形成，团队就很难转移到其他平台，这便是新的护城河。
在解决审查瓶颈后，CodeRabbit的功能还向下延伸：
它通过PR接口进入测试、集成和发布环节，将审查意见、测试报告和安全清单整合到同一面板上。这样，代码质量的把控不再仅限于“合并的一刻”，而是延续到“上线的一刻”。
由此，一个原本只关注diff的小助手，逐渐发展为研发协作的AI平台。
成立近两年，CodeRabbit已拥有超过8000家企业客户，包括Chegg、Groupon和Mercury，月收入环比增长保持在20%，年经常性收入（ARR）达到1500万美元。
CodeRabbit的收费方式颇为独特——由开发者自主决定。团队会先提供免费试用一段时间，随后由团队成员投票决定是否继续使用。目前，转化率已达到30%。在日本、印度和硅谷的工程师社区中，它几乎是通过口碑传播而崛起。
02 当代码审查成为一门新生意
随着代码编写速度的提升，审查的压力也日益增加。
只要有代码提交，审查就成为必然。随着AI编程工具的普及，审查需求正在倍增，形成一条快速扩张的新赛道。
这一领域已经不再冷门。
Graphite相继获得a16z的A轮和Accel的B轮融资，定位于“现代化工程协作平台”；
2024年，领投了CodeRabbit的Scale Venture，与SquarePeg共同领投了代码审查公司Qodo的4000万美元A轮融资，使其累计融资总额突破5000万美元。
能够同时兼顾“专业深度”和“平台广度”的公司，能够在“AI写作、AI审查”的闭环中持续获利。
（1）QodoMerge：“懂业务规则的审查伙伴”
旗下的QodoMerge开源社区版已在VSCode与JetBrains上架，官网标榜“73.8%建议被采纳”的成绩。
相比于CodeRabbit注重单次PR的局部分析，QodoMerge的优势在于“全局理解”。
QodoMerge具备跨仓库的上下文理解能力，能够将多个模块的依赖关系放在一个整体图景中分析，识别单点改动可能带来的连锁风险。这使其特别适合大规模、高度耦合的团队。
更进一步，QodoMerge能够将企业内部的业务规范转化为机器可执行的检测规则。
例如，“支付模块必须埋点日志”这类原本依靠人工遵守的规定，如今能够被系统自动验证，从而将审查和合规融为一体。
加上完整的审查轨迹记录，它实际上为企业建立了一道“合规护城河”，在质量与监管层面构筑长期壁垒。
（2）Sourcery：“重构与审查一体化的编程助手”
相较之下，Sourcery选择了一条更轻便的道路。
它如同一位专注于“代码质量”的伙伴，从Python自动重构起步，如今在GitHub上已有30万开发者使用。
在Elixir和Reddit社区中，它因“建议相关度高”而获得良好口碑。
Sourcery的核心是“重构工具”，擅长提升代码质量。扩展至多语言后，它仍然强调“自动重构与深度审查联动”，不仅能够发现问题，同时生成优化补丁。
无论是变量命名、逻辑扁平化还是代码重用，都能实现“发现即修复”。这种“立刻解决”的体验，与CodeRabbit的“指出问题、由人修复”的模式形成鲜明对比，更像是一个可以有效提升开发者效率的实用伙伴。
由于融资规模较小，Sourcery目前主要依靠订阅收入进行自我造血，并持续训练模型。
03 总结
AI编程的浪潮正在将软件开发分为两个部分：一部分是“编写”，另一部分是“审查”。
前者已被Copilot、Claude Code、Cursor等工具彻底点燃，而后者的“代码审查”也逐渐成为一个新的高地。
在这个环节中，企业所真正购买的不是单一模型，而是一种信任机制：能否确保AI的每一条建议都是“可追溯、有出处、值得采纳”。
CodeRabbit将AI审查融入团队的日常工作中，QodoMerge则将业务规则转化为机器语言，Sourcery则通过自动重构提升代码优雅性。
它们共同指向一个趋势：AI不再仅仅是“创作者”，而是产品开发流程中制度化的角色。
未来竞争：AI如何让软件开发更具人性化在人工智能全面接管写作与审查环节后，未来的竞争不再仅仅依赖于速度和精确度，而是需要深入理解团队运作的节奏、挖掘代码背后的深层含义，以及掌握人类在决策时的权衡与选择。
这正是人工智能在软件开发领域所展现出的真正“人性化”特质。
本文由人人都是产品经理的作者【乌鸦智能说】撰写，发布于微信公众号：【乌鸦智能说】。未经授权，严禁转载。
题图来源于Unsplash，依据CC0协议使用。
