让两个 AI 互相挑刺:代码审查、修复与交叉验证的三套算力方案
让 AI 审代码有个隐蔽的坑:审查的是它,修复的是它,验收的还是它——相当于学生自己给自己批作业,批出来永远是"没问题"。就算你改成"先审后修",只要审查和验收用的是同一家族的模型,盲区就是重叠的,互查约等于走过场。
这篇文章把一套完整的"AI 代码审查 + 问题修复 + 交叉验证"流水线拆开讲清楚,并按算力预算分成三套方案:经济型(两个快模型)、充沛型(两个强模型)、混合型(四个全上)。骨架是同一套,区别只在谁干活、人守几道关。
一、先立四条铁律(三套方案通用)
1. 跨家族互查。 DeepSeek 查 Qwen 的产出,Qwen 查 DeepSeek 的产出。不同家族训练不同、盲区不同,互查才有意义。审查者、修复者、验收者三个角色分离,至少审查和验收必须跨家族。
2. 无证据不立 bug。 每条问题必须带文件:行号和触发条件,否则不编号、不进清单。这一条能滤掉 AI 大部分"感觉这里有问题"的臆测。
3. 证据裁决,不靠辩论。 两个模型意见不合,不让它们互相说服——写一个最小复现测试跑一遍,谁对听结果的。测试写不出来,直接上抛给人。
4. 先测试后修,逐条提交。 每条 bug 开修前先写复现测试,必须先跑红;修完变绿,独立 commit 一条。就算中途撞了额度上限,已修的也不丢。
还有一条容易忽略的:跑测试、合并清单、git 提交这些是机械活,协调者直接用 shell 干,不耗模型额度。 额度只花在阅读、推理、写码上。
骨架固定六阶段:定基线 → 独立审查 → 问题交叉验证 → 人拍板范围 → 先测试后逐条修复 → 交叉验收 → 收尾。下面三套方案都是这副骨架的不同排兵布阵。
二、方案一:算力经济型(两个快模型)
阵容:DeepSeek V4.1 flash 主审 + 主修;Qwen3.8 flash 二审 + 验收 + 测试用例员,一肩三挑,不碰代码,立场才中立。
快模型推理弱一档,用三条规矩补:
- 切小批。 每批不超过 10 个文件或一个小模块。只审功能 bug(崩溃、丢数据、功能错)和明显表层问题(空指针、资源泄漏、死代码)。架构级深审不做——快模型审了也不可靠,白烧额度。
- 证据代替辩论。 两个模型都不够格当终审法官,分歧直接写复现测试裁决;写不出来就上抛给人,不设模型辩论轮。
- 人检查点加密。 清单拍板、每条 P0 修完、验收争议,都过人。验收只 1 轮:驳回 → 回修一次 → 仍不过 → 上抛,不许两个快模型私下和解。
还有一条关键限制:修复权限收窄。 只许小范围局部改动;凡是要动数据模型、跨模块根因的,标"暂缓"单独列出来——快模型硬修容易越修越坏,这类留给充沛型或人拍板。

三、方案二:算力充沛型(两个强模型)
阵容:DeepSeek V4 pro 主审 + 主修 + 争议仲裁;Qwen3.8 Max 独立二审 + 盲验收员,不碰代码,只挑刺。
完整六阶段,火力全开:
- 深审覆盖数据流、状态管理、并发、边界、根因级隐患;全仓库按约 30 文件一批过。两路审查互不通气,防止先看到对方结论被带偏。
- 问题互验逐条交叉:pro 的清单给 Max 验,Max 的清单给 pro 验。分歧先跑复现测试,pro 终裁;裁不动才上抛给人。
- 每条 bug 开修前,Max 起草复现测试(红),pro 确认测试打中的是根因再动刀——防止"测试打偏了,修得更偏"。
- 验收盲审:Max 只拿原始 bug 报告 + diff + 测试结果,先不给它看修复者的说明,防止被自述带偏。只答三问:修的是根因还是压住症状?引入新问题没?测试真覆盖触发路径?最多 2 轮,驳回回修。
- 可并行提速:worktree 隔离,文件所有权重叠的 bug 强制串行,协调者合并。
- 数据模型级根因不直接修,先给人联动方案选项,拍板再动。

四、方案三:混合型(四个模型全上)
最省额度的组合:经济型初筛,充沛型只修重点。
- 阶段 A:两个快模型小批审查 + 互验 + 测试裁决,产出编号 bug 清单(P0 崩溃丢数据、P1 功能错、P2 体验、P3 规范)。
- 人拍板后分流:
- P0 + 根因项 → 充沛线:pro 修,Max 盲验收(最多 2 轮);
- P1 普通功能 → 经济线:DS flash 修,Qwen flash 验收(1 轮);
- P2/P3 → 暂缓或批量处理,不占强模型额度。
- 协调者对照基线跑全量回归,收尾输出修前修后对比 + 遗留清单,文档同步更新。
强模型额度全花在刀刃上,快模型承担文件量。

五、怎么选,以及几条防坑提醒
选型一句话:
- 日常小迭代、单模块体检、额度紧张 → 经济型;
- 发版前大审计、根因级顽疾、跨模块数据问题 → 充沛型;
- 全仓库体检但预算有限 → 混合型。
防坑清单(都是踩过的坑):
- 委派不等于加预算。 四个模型分的是同一份总配额,先算总账再派活。
- 预算将尽,先停委派,写交接单:已修 / 在修 / 待修清单落盘,别让活儿烂在半路。
- 不许模型私下和解。 争议两轮裁不动就找人,误修的成本远高于多问一句。
- 行为变了,文档跟着清。 PRD、QA 用例、编号同步更新,别留代码和文档两张皮。
结语
交叉验证的核心不是"多一个模型",而是不同的盲区 + 中立的立场 + 证据裁决。把这套骨架立住,算力只决定批次切多细、人守几道关,不决定流程的方向。
预算紧就两个快模型小步快跑,预算足就两个强模型深审深修,想两头兼顾就先筛后修。三套方案,同一副骨架。
