← 返回學習路線
案例 · 已發布

實戰:在隔離儲存庫演練 AI 程式碼審查門禁

使用固定補丁、測試結果和審批標記,演練可回放的 AI 程式設計交付門禁。

來源: knowledge/p27/ai-programming-engineering/cases/ai-code-review-gate-rehearsal.mdAI 編程工程實踐
本章閱讀進度 0%學習路線進度 0% · 0/2 已完成章節繼續學習路線 →

問題與邊界

團隊希望讓 AI 協助修復小缺陷,但不能讓生成補丁直接進入主分支。本案例在臨時目錄中驗證檔案範圍、測試門禁和人工批准,不接觸真實儲存庫。

方案

把任務輸入、基線提交、補丁雜湊和測試結果寫成一條 release candidate 記錄。門禁函式只讀取結果,不依賴模型再次解釋測試是否通過。

最小實作

from dataclasses import dataclass

@dataclass(frozen=True)
class Candidate:
    patch_hash: str
    files: tuple[str, ...]
    tests_passed: bool
    approved: bool

def gate(candidate: Candidate) -> bool:
    return candidate.files and all(path.startswith('src/') for path in candidate.files) and candidate.tests_passed and candidate.approved

assert gate(Candidate('sha256:demo', ('src/app.py',), True, True))

重現步驟

  1. 複製一個隔離儲存庫並固定 commit,禁止把真實密鑰帶入目錄。
  2. 產生或手寫只修改 src/ 的補丁,計算補丁雜湊並保存。
  3. 執行格式檢查和測試,故意加入一次失敗結果,確認門禁拒絕。
  4. 補齊審批標記後再次執行,確認同一補丁可回放且不會重複執行副作用。

驗證清單

驗證允許目錄、測試失敗、缺少審批、補丁雜湊變化和重複回放五類邊界。

常見問題

這個案例證明模型一定正確嗎? 不證明;它只驗證交付邊界和可回放性。

能直接套用到生產 CI 嗎? 先接入唯讀檢查,再按儲存庫權限和審計要求擴展。

延伸閱讀

官方參考

OpenAI Codex 官方文件;GitHub Actions 安全強化。

最後核對日期:2026-11-17。涉及介面、模型行為和價格的結論以連結中的官方資料為準;本文不把一次本機執行結果表述為通用效能結論。

延伸閱讀

知識RAG 企業知識庫:架構與落地實踐知識AI 自動化工作流程設計與實踐知識生產級提示工程:從指令到可量測契約
產品中心 Demo · V0.3