前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
返回 AI 情报前线
All News · 全部资讯9852
  • FinOps MCP Server:让 AI 助手查询真实云账单
  • 让 Copilot 代码审查遵循仓库规范
  • AI 写代码不等于免除工程责任:选专业 AI 工程团队的逻辑
  • 1M 上下文推理模型 Ox Alpha 接入 Cursor 指南
  • AI Agent 生产级评估框架:七维评分表
  • AI Agent 安全:模型与凭据泄露的防御指南
  • 我用AI Agent运营SaaS六周的工程教训
  • AI Agent响应慢?Node.js全链路可观测方案
  • 用OpenSpec分离AI的编码、审查与验证
  • LLM 驱动推荐系统:冷启动、语义理解与 Agent 化架构
  • Node.js 实现 AI Agent 用户级访问隔离实战
  • GPT-5.6 vs Claude:同一 Agent 任务实测对比
  • 三大 AI Agent 工具横评:任务委托方式差异与选型建议
  • Vibe Coding 实战指南:AI 生成代码到可扩展应用
  • 语音编程:快速搞懂陌生代码库的实用姿势
  • 企业级多模态 AI 模型部署架构与成本优化实战
  • AI Observatory 独立审计揭示大模型真实使用分布
  • AI 第三类失败模式:"这不可能"型误判
  • LLM本质揭秘:它们只是高级文本补全,置信度≠真实度
  • Agent 账单其实是上下文问题,不是预算问题
  • Tessl Academy 新课:用 Agent 做代码审查循环
  • 用TypeScript构建代码知识图谱连接GitHub信息孤岛
  • AI Agent安全设计:为何直接访问DB会摧毁应用
  • 企业级 Agent 多模型自动故障切换设计指南
  • herdr:专为 AI Agent 设计的终端多路复用器
  • 「假健康」故障:Incident Agent 依赖过期缓存导致误判
  • 我是这样用 Claude Code 干实际项目的
  • 2026 年做 AI Evals 的正确方法
  • 通过MCP协议让AI代理直接操控生产环境应用内消息
  • 与 AI 编程助手协同调试的实战策略
  • Hermes Agent:内置学习循环的自改进 AI 助手
  • OpenHuman:本地优先的个人AI超级助手
  • 3B模型+30年历史光线追踪器,复古 CGI 视频质量超扩散模型
  • 阿里 Qwen 发布 20B 图像生成模型,专攻中文文字渲染
  • Node.js多模型Chatbot实战:流式输出+工具调用+Schema校验
  • AI Agent自动为遗留代码注入合规检查
  • Claude官方插件市场上线,第三方插件可安装
  • 自建AI评估平台的安全可观测管道实战
  • 1000+ Agent技能库兼容多IDE
  • Grok 被曝密文注入漏洞:加密载荷可绕过安全过滤直接窃取用户数据
  • AI Agent生产失败元凶:状态管理而非模型
  • LangGraph 多智能体编排:像画流程图一样编排 AI Agent
  • 摩尔线程发布 S5000 白皮书:Prefill/Decode 解耦破解长上下文推理成本困局
  • 在NES和N64上跑真实Transformer:古老硬件上的LLM推理
  • Harness Engineering全攻略:让AI Agent从「能跑」到「可靠」
  • Agentic Ledger:防止AI Agent无限循环烧钱$47000的飞行记录仪
  • 免费模型+免费CI:fuzzing发现14个单元测试漏掉的off-by-one
  • AI 编程时代,Go 语言的可验证性优势凸显
  • 为什么提示词防御治不了注入
  • Qwen Code 0.22安全更新要点
  • 删除错误上下文仍无法修正LLM幻觉结果
  • 已加载 51 / 9852
8.0
热点
AI SCORE
编程提效2026-08-24 12:38

Tessl Academy 新课:用 Agent 做代码审查循环

dev.to · AI#AI编程#代码审查#Agent工作流
Editor brief · 编辑速览

四节课、每节约25分钟,手把手教你在 PR 层面运行 Agent 代码审查、编写自定义审查规则、将审查路由到对应负责人并形成闭环。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

代码审查是工作中规模化最难的部分。它需要一位熟悉代码库、有时间、且愿意仔细阅读的人。当 Agent 在编写大部分变更时,那个人在变更耗尽之前早就精疲力竭了。

Simon 昨天在 Tessl Code Review 中介绍了:它是什么、为什么我们选择围绕整个 Pull Request 而不是 Diff 来构建它,以及重新审查如何追踪上一轮已解决的问题。这篇文章回答下一个问题——在安装后大约一小时你就会遇到的问题:你的审查员还不知道你团队的规则,而它有用的版本还不知道。

这就是 Code Review Loops。

npx tessl install tessl-academy/code-review-loops
tessl launch skill --agent tessl-agent -i 01-your-first-code-review

image.png

四节课,按顺序,每节课都基于上一节课留下的代码库状态。

第一节代码审查课让你搭建一个小型 TypeScript 服务和一个包含三个故意植入的缺陷的分支,然后对该分支运行三种不同方式的审查,并阅读返回的内容——结果、严重等级、JSON。它还解决了几乎每个人都会遇到的命名冲突:tessl review run 对技能评分,tessl code review 审查你的代码。两条命令都存在,听起来很像,选错一个会浪费五分钟且令人困惑。

这节课植入了三个缺陷;审查员找到了两个。这是故意的——漏掉的那个就是第二节课存在的原因。

编写一个审查镜头从那个缺失的发现开始。Lens 就是一个 Skill:一份 SKILL.md,包含名称、适用场景描述,以及审查指令主体。四个默认 Lens 随 tessl/code-review 插件一起分发,源码是公开的,所以你可以 fork 一个看看它是怎么组织的。你编写一个 Lens 来编码一个只有你们团队才有的规范,让它与默认 Lens 并肩运行,然后在两个方向上测试它——让它在坏案例上触发,在好案例上保持沉默。第二部分正是人们会跳过的部分——那就是 Lens 和噪音生成器的区别。

按路径路由 Lens 将配置从命令行移入仓库中的 YAML 配置文件,用 glob 模式和排除规则让每个 Lens 只在适用规则的地方运行。一个跳过了你文件的审查不是批准了这些文件的审查。

在每个 Pull Request 上运行审查是压轴戏:Token、调用者工作流、锁定到某个提交 SHA 的 Action,先用咨询模式再用门控模式。然后是第二轮,带有一个修复和一个回复,这样你就能看到之前的发现被解决——作为已处理、已解释或已拒绝——而不是再次被提起。

image.png

这些是你本来会走弯路才能学到的经验

--skill 会替换配置文件的默认 Lens,而不是添加到它们之中。传入两个就得到两个,不是六个。

一次审查最多接受八个 Lens,它们的顺序会被保留。

Tessl 不会主动寻找你的配置文件。在包含 .tessl-code-review.yml 的仓库中执行裸的 tessl code review 会运行内置的标准配置文件,忽略你的文件。没有什么会因为一个文件出现了就开始用不同方式审查你的代码。

在 CI 中,审查策略来自默认分支,而不是被审查的分支——一个 Pull Request 可以修改仓库中的任何文件,包括决定该 Pull Request 如何被审查的那个文件。

@tessl-code-review 是你工作流匹配的文字,不是某个账号。

第三节课需要比 0.96.0 更新的 CLI,因为 YAML 配置文件在那之后才加入。第一、二、四节课在旧版本上完全正常。

这门课是如何构建的

Academy 的构建方式有些不同寻常,代码审查课程是迄今最清晰的例子。

没有编译课程内容的流水线。课程是由运行一个 Skill 的 Agent 组装起来的,而这些 Skill 才是我们维护的东西。

内容以版本化组件的形式存在:一个用不到 300 词解释的概念、一个实操练习、一个起始代码库状态、一个评分标准。跨越六种类型共有 65 个这些组件,在不同课程和课时中被复用。人类编写决定一个课时使用哪些组件以及按什么顺序的配方。运行 compose-lesson 的 Agent 将那个配方转换成你读到的课时,generate-lesson-skill 将课时转换成可安装的引导式教程,引导你完成它。唯一的确定性步骤是最后一步,那里构建过程将完成的 Markdown 渲染为 HTML。网站本身是静态的,什么都不知道;判断力在上游的 Skill 中。

每个组合的课时都记录了构建它所使用的组件版本。当 CLI 在我们脚下发生变化时,一次维护扫荡会找出受影响的课时而不是我们猜测,并为每个概念写出一份机器可读的判定。只有当课时中的每个概念都有当前的通过状态时,该课时才算通过验证。

这种验证有一个值得说明的局限:通过意味着概念与文档匹配,而不是有人运行过那条命令。一份错误的文档会产生一个自信满满的、正在通过的、错误的课时。我们检查 CLI 漂移,没有别的了,而且扫荡只在人类启动它时才运行。

仓库中的每个 Skill 也必须在发布前以 80% 的分数清除 tessl review run。我们教授这条命令,所以构建教学内容的工具也会被它审查——用审查关闭的状态写一门关于审查的课程会很难看,而且更有用的是,它在我们的 Lens 描述中发现了真正的问题。

课程地址:tessl.io/academy/code-review。去那里阅读,或者安装它并让你的 Agent 引导你完成第一次代码审查,在你自己的仓库中走完整个流程。

如果你学完了,告诉我们你的 Lens 是什么样的——你编码了什么规范,审查员是否捕捉到了它。这是塑造这个项目下一步方向的反馈。在 Discord 找到我们。

Original source

本文由 AI 翻译整理自 dev.to · AI,原文版权归原作者所有。

阅读英文原文
上一篇
Agent 账单其实是上下文问题,不是预算问题
下一篇
用TypeScript构建代码知识图谱连接GitHub信息孤岛