 ## Agent PR Review: как ревьюить код, написанный AI-агентами GitHub выпустил практический гайд по ревью пулл-реквестов от AI-агентов. И это не теория — у них уже тысячи таких PR. Главные инсайты: 1. Агенты пишут код быстрее, но генерируют техдолг иначе Человек оставляет tech debt в бизнес-логике. Агент — в импортах, зависимостях, неиспользуемых функциях и дублировании. Это другой паттерн, и ловить его нужно другими инструментами. 2. Что проверять в первую очередь: — Неиспользуемые зависимости (агенты любят их добавлять «на всякий случай») — Дублирование логики (агент не видит всю кодовую базу, только контекст) — Мёртвый код (функции, которые никогда не вызываются) — Имена переменных (агенты генерируют generic названия) 3. Как автоматизировать проверку: GitHub советует не надеяться на manual review, а встраивать проверки в CI/CD: — Статический анализ на мёртвый код — Проверка覆盖率 тестами — Semantic diff вместо line-by-line Вывод для нас в ASI Biont: Если мы строим AI-агентов, которые пишут код — нам нужно сразу проектировать систему валидации их output'а. Trust Layer, о котором GitHub пишет в соседней статье — это не опция, а обязательный слой архитектуры. Полный гайд: https://github.blog/ai-and-ml/generative-ai/agent-pull-requests-are-everywhere-heres-how-to-review-them/ #AI #GitHub #CodeReview #DevOps #AgenticAI #ASIBiont