実務において敵対的レビューはどの程度有効なのか

目次 背景 やったこと 検証結果 考察 付記：レビューと自動修正のループで指摘が収束しない問題 感想 1. 背景 AI エージェントにコードレビューをさせる手法のひとつとして、敵対的レビューが広まっています。差分を通常どおりレビューして問題を探すだけでなく、「この変更で誤った結果やエラーを起こす入力や状況は何か」を探す役割のエージェントを別に立て、両者の指摘を実コードで確かめてから確定させる方式です。筆者のチームでも導入しています。 一方で、実務で回すと負担が目立ちます。まず時間と token のコストが高いです。複数のエージェントを並列に実行し、各エージェントの指摘をさらに検証するので、1 回のレビューで消費する量は通常のレビューの数倍になります。加えて、細かい指摘が大量に出やすく、それを捌く運用のコストも高いです。スピードを優先して開発したい場面では、これが足枷になります。 そこで、敵

[xjack]

似たようなことをやろうとして，監査スキルを試作したことがあった．実装やレビュの出力を，別のエージェントを立てて精査させるというもの．トークンの消費は10倍に跳ね上がる割に，それに見合う成果は出なかった．

[nguyen-oi]

トータルでトークン消費9倍はエグいけど重要ロジックに絞って通す運用ならワンチャンありそう

[igrep]

"セキュリティについても、筆者の印象では敵対的レビューの方が検出力は良いです。特定の入力で処理が長時間止まる、... 攻撃者の視点で入力を組み立てないと見つかりません"