当前位置：首页>java>Atlassian 如何通过 AI 代码评审将 PR 周期缩短 45%

Atlassian 如何通过 AI 代码评审将 PR 周期缩短 45%

2026-01-29 18:11:55

在 Atlassian，我们曾面临严重的 PR（拉取请求）积压问题。当时，从提交 PR 到最终合并的中位时长已增加到 3 天以上，工程师为了等第一条评审评论，平均要耗费 18 个小时。这意味着 18 小时的上下文切换开销或闲置等待——在 Atlassian 这种规模的企业中，我们无法承受这样的效率损失。

尽管现在开发者生成代码和提交 PR 的速度比以往任何时候都快，但能够胜任评审工作的资深工程师数量却是固定的。在评估 PR 是否具备上线条件以及是否符合原始需求时，我们的瓶颈问题正愈演愈烈。

我们需要援手。最终，我们的开发者 AI 团队凭借 Rovo Dev 成功破局。作为 Atlassian 的开发者智能代理，Rovo Dev 拥有整个 Atlassian 平台的上下文信息，并集成在 Bitbucket、GitHub、IDE 以及命令行工具中。

这种“上下文感知能力”是 Rovo Dev 的核心利器，它通过以下三种方式立即加速了代码评审流程：

即时且具建设性的反馈：依托顶尖的大语言模型（LLM），针对整体代码质量提供即时、可操作的建议。
强制执行工程标准：包括 Lint 规则、首选设计模式、安全与合规策略，以及针对组织定制的 API 契约。
确保符合验收标准：通过将 PR 与 Jira 工作项（Work Items）关联，确保代码逻辑满足业务需求。

自 2025 年初构建并采用 Rovo Dev 以来，我们将 PR 循环周期缩短了45%，整整节省了一天以上的时间！现在，Rovo Dev 充当了每一笔 PR 的“自动化首位评审员”，缩短了评审等待时间，缓解了 PR 积压，并让团队能够腾出精力专注于更大型、更核心的代码变更。

Rovo Dev 还为 Atlassian 的新入职工程师提供了强大助力：使用 Rovo Dev 的新人在合并首个 PR 时，比未使用的人员快了整整五天。

以下是开发者 AI 团队实现这一成果的具体路径。

代码评审的三大挑战以及背后的机遇

在影响大规模代码评审效率的所有因素中，一个共同的主题是：过多的环节依赖人工。没有任何个体（哪怕是资深技术主管）能够记住为每个团队、每个项目持续编写和评审代码所需的所有知识。

对于我们而言，三大核心挑战如下：

整体代码质量检查：代码评审常常陷入琐碎问题的反复拉锯中，例如代码一致性、拼写错误以及其他风格问题。尽管这些问题看似简单、易于修复，但积少成多，往往会拖慢整个评审进程。
未遵循工程标准：在我们这种规模的企业中，工程师即便提交了技术上可运行的代码，也难免会遗漏某些特定的工程标准。
不符合验收标准：工程师忘记核对代码是否完全满足功能需求的情况也时有发生。

我们的开发者 AI 团队意识到，这些挑战正是优化机遇。这些问题大多是易于解决的低级错误；以工程标准为例，通常“寻找、记录并保持标准更新”要比“遵循标准”本身困难得多。

让我们来看一个具体案例，了解团队如何打造 Rovo Dev，将每个挑战转化为机遇。

即时、零成本的反馈

我们注意到，PR 总循环周期的 26% 消耗在工程师等待第一条评审评论的过程中——平均耗时 18 小时。有了 Rovo Dev，这段等待时间被缩减为零。

基于顶尖的大语言模型，Rovo Dev 会自动审查任何 PR 提交，识别代码变更中的通用问题，如拼写错误、逻辑错误、反模式，甚至是潜在的漏洞。此外，Rovo Dev 还会直接给出修复建议，工程师只需一键即可采纳。

将工程标准纳入代码评审

大多数 AI 代码评审工具的一个缺陷在于：它们缺乏对组织特定开发工作流的上下文感知。至关重要的一点是，这包括了工程组织在安全性、合规性、无障碍访问等方面的编码标准。

另一方面，对于企业级团队来说，强制执行这些标准始终是一大难题，Atlassian 也不例外。

Rovo Dev 为我们从两端解决了这一挑战。作为自动化代码评审的一部分，Rovo Dev 会从 Confluence 文档中提取针对特定代码库、项目或全公司定制的开发标准，并自动校验 PR 是否符合这些既定标准。

整合 Jira 验收标准

大多数 AI 代码评审工具的另一个盲区在于：它们无法校验代码是否真正实现了我们承诺的功能。

在 Atlassian，我们习惯于在 Jira 工作项中追踪验收要求和业务目标。由于 Rovo Dev 是 Atlassian 平台原生的一部分，它能够对照相关的 Jira 工作项来审核 PR，并及时提醒 PR 作者哪些标准尚未达成。这确保了我们所有的代码变更都能真正符合项目目标，并减少了人工代码评审的负担。