特に差分が大きい場合のコードレビューにAIを活用する
Use AI for reviewing code especially when the diff is huge (simianwords.bearblog.dev)
要約
本記事は、特に大規模な差分がある場合のコードレビューにAIを活用することを提唱している。人間は、LLMが対応できるような詳細なコードの指摘ではなく、アーキテクチャ上の決定や特定のコードベースの原則といった「Out Of Distribution」の知識に集中すべきだと述べる。このワークフローは、組み込みシステムのように各行のコードが「神聖」ではない場合に有効である。
全文翻訳
コードレビューにAIを活用すべき、特に差分が大きい場合
2026年6月22日
AIが1万行ものコードレビューを生み出し、それがボトルネックになっているという話をよく聞きます。私は、ここに書かれているコードの全ての行をレビューするために時間を浪費すべきではないと考えています。代わりにAIを活用しましょう!
レビュアーとして貢献できること
レビュアーとして自分が何に貢献できるのかを知る必要があります。
レビュアーとして、あなたは作者やLLMが持っていないであろう「分布外知識」を提供します
ここでいう「分布外知識」とは、作者やLLMが知らない、あなただけが持つ文脈や経験を指します。
コードの数行をあれこれと指摘するためにLLMを出し抜こうと考えるのは間違いです。これはあなたの時間を浪費する価値がありません。なぜなら、LLMはすでにこうした種類の問題をはるかに超えて対応できるからです。これらのLLMは現在、高深刻度の脆弱性を検出していることを思い出してください。あなたの行ごとのレビューには、もはや場所はありません。
レビュアーとしてどのような知識を提供できるか
あなたが提供できるのは、作者もLLMも知らない知識です。
例
- 先週、アーキテクトと行った会議で、
service_Aの使用が非推奨になるという議論がありましたか? 作者はこのことを知りません。 - おそらく、あなたのコードベースには一般的な原則があるでしょう。巨大なオブジェクトにフィールドを追加しない、あるいは特定の方法でメトリクスを追加しない、といったことです。これらはあなたがレビューに持ち込むべきものです。
- コードベースの専門家であるあなただけが知っている、高レベルな設計上の問題点。
私がレビューにAIを使用する方法は、変更箇所をAIに指摘させ、プロンプトや質問の形で私の「分布外知識」を提供することです。
注意点
このワークフローは、コードの各行が神聖視されない場所で機能します。組み込みシステムのように、各行が神聖である可能性のある場所もあります。