Amanda Martin；实验 Lat Ware · Vapi · 阅读原文
原始来源：Amanda Martin；实验 Lat Ware · Vapi
发现渠道：AIHOT · 精选线索
Vapi 的 Pedantic Review Bot 可运行测试与小复现，分析和发评论分属两个 job；分析会话去掉 Git 凭据，发帖端只能评论。团队自报 PR 从打开到合并的平均时间由 130 多小时降至 65 小时。更有启发的是单 PR 实验：101 个提示版本产生的发现交给 AI 裁判，改重误报代价后，胜出提示发生变化；另一个已知 lint 阻断缺陷仅被 194 次代码审查中的 8 次找到。
可信度 65 · 重要性 81 · 新颖度 74
技术与主题
Agent 系统 · AI 编程 · 评测与基准 · Code Review · Executable Verification · False Positives
Lat Ware
Vapi 工程师的实践自报；文章由 Amanda Martin 撰写，以下转述实验判断。
忠实转述（非原句）：他重新加重误报成本，因为每个额外问题无论真假都要工程师检查。他还区分 PR 新引入的问题与父版本已有的问题：两者都可能值得修，但对是否合并的影响不同。
编辑评读
这个案例的优点是把“指出问题”进一步变成“提供能检查的证据”。测试、调用链和最小复现让人可以判断发现是否成立；只允许评论又让提出意见与修改代码分开。对原本需要等几天的队列，花二十分钟查一个 PR 可能很划算，但这种延迟预算不适合所有团队。
101 次提示试验的实验单位仍是一个 PR。重复运行能测提示和采样的变化，不能替代更多种缺陷与仓库；AI 裁判的判断也不能当作独立人工真值。已知阻断缺陷被大量运行漏过，更直接说明“发现的总分”与“找出不可合并的问题”不是一个目标。
130 多小时到 65 小时是一家团队的前后自报，不能把全部变化归因于机器人。它仍提供了值得验证的设计：把阻断缺陷召回、误报需要人处理的时间和最终返工同时记录。只追求评论更多，会把机器人显得更勤奋，却让审阅者更忙。