2026年7月15日 Pull Request 审查能发现 15-30% 的缺陷。数据 50 年前就已给出答案。 IBM、AT&T、HP 和 Microsoft 的多项研究均证实，非正式代码审查大约能发现四分之一的缺陷。以下是数据实际说明的内容、该比例偏低的原因以及解决方法。 fagan-inspectionscode-reviewdatapr-reviews
2026年7月14日 通用检查清单什么都抓不到。结构化检查清单能发现60%的缺陷。 大多数审查检查清单都是复制粘贴的良好愿望列表。Fagan inspection风格的结构化检查清单基于实际缺陷数据构建，针对特定工件类型，并在个人准备阶段使用。以下是如何构建一个有效的检查清单。 fagan-inspectionscode-reviewchecklistsstructured-review
2026年7月13日 大语言模型可以预先审查你的代码，但它无法主持会议 费根审查需要四到六个人、两小时才能审完250行代码。大语言模型可以通过承担准备工作和检查清单的执行来削减这部分成本，但它无法取代人类角色去发现最昂贵的缺陷。 fagan-inspectionsllmcode-reviewai-engineering
2026年7月12日 Fagan Inspections 在测试前发现90%的缺陷。然后我们不再使用它。 Michael Fagan 在 IBM 设计的结构化审查流程，能在代码进入编译器之前捕获几乎全部缺陷。但它也消耗了项目总工时的15%–20%。本文解释软件史上最有效的审查方法为何消失，以及团队究竟失去了什么。 fagan-inspectionscode-reviewsoftware-historyprocess
2026年7月11日 你最优秀的审查员也会遗漏大多数缺陷。Fagan 于1976年在IBM测量了这一点。 即使是高级工程师，在非结构化审查中也只能发现一小部分缺陷。Michael Fagan 在IBM的研究揭示了原因，并构建了结构化审查流程来解决这一问题。 fagan-inspectionscode-reviewhuman-factorsdefect-detection
2026年7月10日 大多数代码审查只能发现20%的缺陷。Fagan Inspection能发现90%。 非正式的代码审查只能发现15%到30%的缺陷。Fagan Inspection是一种有50年历史的结构化流程，持续报告60%到90%的缺陷移除率。以下是它的工作原理、团队回避它的原因，以及如何运行轻量级版本。 fagan-inspectionscode-reviewdefect-preventionsoftware-quality
2026年5月17日 在 AI 时代，代码评审会变成规格评审 当 AI 能从规格生成实现、测试和 contracts 时，人类最有杠杆效应的工作会前移到上游。最需要被严格审视的，是规格本身。 ai-engineeringcode-reviewspecificationsliving-specificationsci
