Dev48
ЯЗЫК
  • О нас
  • Услуги
  • Индустрии
  • Технологии
  • Статьи
  • Контакты
Забронировать звонок
    Главная/Статьи/Agenty ne slomali proverku koda oni ee obnazhili
Dev48
info@dev48.org+375 29 320-40-96WhatsApp@isky_by

© 2026 · Все права защищены.

Агенты не сломали проверку кода, они ее обнажили

Источник: SonarSource•17 ноября 2026 г. в 21:06

Агенты не сломали проверку кода, они ее обнажили

Человеческая проверка не поспевает за агентами. Узнайте из беседы с Джоном Крикеттом, как проверка кода с помощью ИИ сочетает анализ LLM с детерминированным анализом для масштабирования.

У каждой строки написанного кода есть владелец, который несет за нее ответственность, и это было правдой задолго до появления агентов. Что агенты действительно изменили, так это объем кода. Теперь он поступает быстрее, чем кто-либо может его прочитать, а традиционный механизм защиты, при котором рецензент одобряет каждый diff, никогда не был таким надежным, как предполагали команды. Джон Крикетт, основатель Coding Challenges и ветеран разработки с многолетним стажем, объясняет в подкасте The Next Commit, почему давление сроков заставляет разработчиков перестать читать код, который они выпускают, и почему одобрение рецензента, на которое они полагались, никогда не было надежной защитой.

Команды не могут делегировать ответственность ИИ-инструменту. Что они могут сделать, так это обеспечить соответствие своей практики проверки скорости написания кода, вместо того чтобы незаметно отказываться от нее, пока все делают вид, что она все еще работает.

Давление сроков незаметно убивает проверку кода

Большинство разработчиков ПО, которые перестают проверять код, созданный ИИ, делают это под давлением сроков, а не по собственному выбору. Крикетт видит, как разработчики делятся на три группы по мере того, как агенты берут на себя все больше задач по написанию кода:

  • Первая группа перестала читать код и доверяет агенту.
  • Вторая группа по-прежнему читает все, потому что, как выразился Крикетт, они «чувствуют, что должны отвечать за все, что попадает в продакшн».
  • Третья группа находится под давлением необходимости выпускать релизы, и Крикетт говорит, что эти разработчики либо не читают код «так внимательно, как им хотелось бы», либо чувствуют, что «теряют способность это делать».

Именно о третьей группе стоит беспокоиться, потому что у этих разработчиков просто не хватает времени на проверку, а не потому, что они решили, что проверка не важна. Когда под таким давлением проверка ослабевает, объединяются изменения, которые никто до конца не понимает, и следующий человек, поддерживающий этот код, наследует систему, которую не может объяснить. Крикетт прямо говорит о последствиях: «Если вы никогда не смотрите на код или у вас нет возможности это сделать… Вы не знаете, хороший он или нет». Команды снимают с себя ответственность, находясь в разрыве между тем лагерем, в котором они хотят быть, и тем, в который их загоняет давление сроков.

Ни человек-рецензент, ни другая модель не могут служить единственной защитой

Процесс проверки, который якобы ломают агенты, уже был сломан. Крикетт разбирает честную математику проверки кода: рецензент легко изучает пять строк, находит 50 строк немного сложнее, но изменение в 500 строк «просто получает LGTM (выглядит хорошо). Потому что большинство людей не могут удержать в голове пятьсот строк сложного изменения кода». Это одобрение должно делать рецензента ответственным за изменение, и ведущий Том Хоулетт, и Крикетт называют эту идею «неким мифом», поскольку никто не может отвечать за код, который он не смог проследить. Крикетт не винит рецензента, потому что большие пулл-реквесты сложны для любого, и он называет нереалистичным «ожидание того, что проверка кода человеком работает… Мы упускаем детали, и это не масштабируется». Агенты превратили случайное изменение в 500 строк в ежедневную рутину.

Применение другой модели к этой проблеме помогает, и Крикетт ценит проверку кода с помощью LLM, потому что она дешева и воспроизводима. «Если человек может уловить только половину проблем при проверке кода, LLM может уловить, скажем, треть. Разница в том, что человек потратит на это часы и ненавидит это делать. LLM потратит на это минуты, и вы можете запустить ее снова. Вы можете очистить ее контекст».

Исследования LLM-судей показывают, где нужно провести черту. Задайте одной и той же модели один и тот же вопрос дважды, и некоторые из ее вердиктов изменятся, а если надавить на нее с помощью другого ИИ, еще больше ответов изменятся, потому что эти модели обучены угождать. LLM, которая ловит треть проблем за минуты, приносит реальную пользу в цикле разработки, но та же самая LLM, работающая как единственный фильтр качества, становится обузой.

Для уверенности нужны оба вида проверки кода

Даже по мере совершенствования ИИ-агентов необходимость в проверке кода остается критической — агент может написать отличный код, который все равно не будет соответствовать потребностям системы. «Допустим, он может написать потрясающий код лучше любого человека, но все равно сделает не то, что нужно», — говорит Крикетт. Предположим, агент выпускает безупречный код, который небезопасно хранит данные, ваш сайт взламывают, и личные данные утекают. В этом сценарии никто не написал плохой код, но кто-то оставил разрыв между тем, что они намеревались сделать, и тем, что они указали, и агент заполнил его, не сказав об этом. Такие разрывы легко возникают в естественном языке, где, как отмечает Крикетт, «можно изменить весь смысл предложения, поставив или не поставив запятую». Проверка, которая только спрашивает «хорошо ли написан этот код», будет пропускать такое изменение каждый раз.

Собственный ответ Крикетта — это «многоточечный подход», который сочетает проверку LLM со статическим анализом, проверками компилятора, тестами и исследовательским тестированием, и такое сочетание создает уверенность, когда команды знают, что может доказать каждая проверка. Детерминированный анализ доказывает то, что могут проверить правила: синтаксис и стиль, потоки данных и управления, загрязнение данных, архитектуру и зависимости. Он возвращает один и тот же вердикт при каждом запуске и сохраняет свой ответ, когда агент начинает спорить. Это то, что Sonar называет стратегией проверки кода с нулевым доверием и многоуровневой защитой: проверка кода с помощью ИИ работает вместе со статическим анализом, проверками компилятора, тестами и исследовательским тестированием.

Агентская проверка покрывает то, что не могут правила, рассуждая о намерениях и бизнес-логике — это именно та проверка, которая была нужна в сценарии со взломом. Оба вида проверки должны выполняться независимо от того, что именно сгенерировало код, чтобы каждое изменение соответствовало одной и той же планке, независимо от того, какой агент или модель его написали. И оба должны оставлять доказательства: запись о намерениях, стандартах, проверках и результатах, которую может прочитать аудитор. В цикле проверки CI SonarQube устанавливает стандарт, а Gitar обеспечивает его соблюдение на скорости слияния.

Команды, которые хотят оставаться в лагере тех, кто все еще может отвечать за то, что выпускает, должны встроить проверку в каждый цикл: от защитных барьеров, направляющих агентов при написании, до проверок, которые блокируют каждый пулл-реквест, потому что сила воли и героические часы проверки не могут угнаться за агентами. Кода много. Уверенности мало. Команды должны встраивать ее в каждое изменение.

Послушайте полную беседу с Джоном Крикеттом в подкасте The Next Commit и переосмыслите, как масштабируется проверка в ваших собственных циклах разработки.

← Все статьи

О чём эта статья

Ещё в разделе «Разработка ПО»

Все →
LinkedIn Connected Apps 1.2: понятная система уровней, видимый прогресс и прямые ответы о конфиденциальности
JetBrains

LinkedIn Connected Apps 1.2: понятная система уровней, видимый прогресс и прямые ответы о конфиденциальности

Barnacle SEO: спам или умный маркетинг?
Ahrefs

Barnacle SEO: спам или умный маркетинг?

Forward Amsterdam — ключевые выводы и обзор мероприятия
Flexport

Forward Amsterdam — ключевые выводы и обзор мероприятия

Главные тренды 2027 года
DataArt

Главные тренды 2027 года

AI Observability 2.0: почему предприятиям необходимо оценивать полную стоимость и ценность ИИ
DataArt

AI Observability 2.0: почему предприятиям необходимо оценивать полную стоимость и ценность ИИ

Citrix DaaS удваивает количество виртуальных рабочих столов на одну подписку Microsoft Azure и добавляет защиту частных данных с помощью ИИ
Citrix

Citrix DaaS удваивает количество виртуальных рабочих столов на одну подписку Microsoft Azure и добавляет защиту частных данных с помощью ИИ

Ещё от SonarSource

Claude Fable 5 против 5.1 и 5.2: что меняется при обновлении
SonarSource

Claude Fable 5 против 5.1 и 5.2: что меняется при обновлении

Sonar добавляет аналитику уязвимостей в OpenAI Daybreak Defense Factory
SonarSource

Sonar добавляет аналитику уязвимостей в OpenAI Daybreak Defense Factory

ИИ достиг 65% закоммиченного кода на год раньше срока. Знаем ли мы, что внутри?
SonarSource

ИИ достиг 65% закоммиченного кода на год раньше срока. Знаем ли мы, что внутри?

Теперь доступно: плагин SonarQube для Devin CLI
SonarSource

Теперь доступно: плагин SonarQube для Devin CLI

Верификация — это система обратной связи фабрики
SonarSource

Верификация — это система обратной связи фабрики

Задайте предполагаемую архитектуру для вашего агента кодирования без диаграмм
SonarSource

Задайте предполагаемую архитектуру для вашего агента кодирования без диаграмм