Agents de revue de code IA : utiles, mais pas une solution miracle

De nombreux agents de revue de code IA ont émergé, utilisant des LLM pour analyser les différences de code et identifier les problèmes. L'auteur a expérimenté Coderabbit et a constaté qu'il détectait parfois des erreurs passées inaperçues par les relecteurs humains, mais qu'il générait également des suggestions non pertinentes ou incorrectes. La création d'un agent de base est relativement simple à l'aide de l'API GitHub et d'une clé OpenAI. Cependant, les LLM ont du mal à comprendre complètement le code, surtout sans contexte plus large de la base de code, ce qui conduit à des suggestions imprécises. L'auteur conclut que la création d'un agent réellement utile nécessite de résoudre le problème de la compréhension du code par le LLM et d'exploiter efficacement le contexte de la base de code.