На главную

DF-ИИ-033 · ИИ в работе команды

Какие изменения от ИИ требуют ревью и автотестов: правила приёмки кода

Редакция Deskforge · 16 ноября 2026 · 5 мин чтения
Какие изменения от ИИ требуют ревью и автотестов: правила приёмки кода
Из статьи вы узнаете
  • Как отличить изменение от ИИ, которое можно слить сразу, от того, что требует ревью
  • Как настроить обязательные одобрения и владельцев кода в репозитории
  • Когда workflow в CI запускается и что именно он проверяет
  • Чек-лист приёмки кода от ИИ для команды

ИИ-помощник пишет код быстрее, чем команда успевает его читать. Отсюда типичная развилка: либо всё, что предложила модель, уходит в основную ветку после беглого взгляда, либо ревью становится узким местом и тормозит работу. Ни то, ни другое не решает задачу качества.

Рабочий подход проще: заранее договориться, какие изменения требуют ревью и автотестов, а какие можно принимать по упрощённой процедуре. Дальше это правило живёт в настройках репозитория и в CI, а не в памяти тимлида.

Ниже — порядок действий по документации GitHub и web.dev. Это редакционный чек-лист Deskforge, а не отчёт об испытании продукта и не клиентский кейс: шаги нужно адаптировать к вашему стеку и вашим правилам. Смежная тема — ИИ пишет код в команде: как сохранить качество и контекст, а варианты работ с ИИ собраны на странице автоматизации процессов.

Что именно меняет ИИ в коде и почему это требует проверки

Модель не знает ваших договорённостей: какие ветки критичны, какие файлы трогать нельзя без владельца, какие сценарии уже ломались. Она предлагает правку, которая выглядит связной, но может задеть чужой модуль или обойти проверку, о которой вы просто не написали в запросе.

Поэтому вопрос не в том, доверять ли ИИ, а в том, где поставить проверку. Ревью pull request для этого и предназначено: люди комментируют изменения, предлагают улучшения и одобряют их или запрашивают правки до слияния кода. Это описание возможностей GitHub, а не доказательство, что ревью само по себе гарантирует качество.

При отправке ревью проверяющий выбирает одно из решений: Comment, Approve или Request changes. Разница принципиальна: комментарий не блокирует слияние, а запрос правок — блокирует. Если команда хочет, чтобы изменение от ИИ действительно кто-то посмотрел, нужен именно второй вариант, а не вежливое замечание в переписке.

Ревью изменений от ИИ: решения проверяющего и обязательные одобрения

Настройка, которая переводит договорённость в правило, — обязательные одобрения. Администраторы репозитория могут требовать одобрения до слияния pull request, чтобы защитить важные ветки и снизить число случайных слияний. Это ровно тот механизм, который отделяет критичную ветку от экспериментальной.

Второй элемент — владельцы кода. Если в файле CODEOWNERS определены владельцы, GitHub может автоматически запросить у них ревью, когда pull request меняет их код. Для изменений от ИИ это удобно: модель не выбирает, кого позвать, а система делает это по файлам.

Практический вывод для команды: критичные ветки закрываются обязательным одобрением, а зоны ответственности описываются в CODEOWNERS. Тогда правка от ИИ в платёжном модуле не пройдёт мимо его владельца, даже если автор изменения — джун с помощником.

Автотесты в CI: когда запускать проверки и что именно проверять

Ревью — это люди, а автотесты — это машина. Здесь чаще всего и возникает разрыв: workflow настроен, но запускается не там, где команда думает. По умолчанию workflow по событию pull_request запускается при открытии, синхронизации или повторном открытии pull request.

Дальше важная деталь. Для открытых pull request, которые можно слить, workflow по событию pull_request проверяет объединённый результат, а не только head-ветку. То есть тесты гоняются на том, что получится после слияния, — и это правильная проверка для изменений, которые пишет ИИ: конфликт с основной веткой всплывёт до слияния.

Workflow можно настроить так, чтобы он запускался при изменении в pull request определённых файлов, например JavaScript. Это экономит минуты CI: правка документации не гоняет весь набор тестов. Но у фильтра есть обратная сторона — если изменение задевает файлы вне фильтра, проверка не запустится, и это нужно держать в голове.

Отдельно про расписание. Workflow можно запускать по расписанию с помощью POSIX cron, при этом минимальный интервал — раз в 5 минут. Для приёмки изменений от ИИ это вспомогательный инструмент, а не замена проверке на pull request.

Проверка пользовательских сценариев после изменений от ИИ

Код может пройти ревью и тесты, а страница — стать хуже для человека. Поэтому для изменений, которые влияют на загрузку, интерактивность или стабильность страницы, нужна отдельная проверка по метрикам.

Core Web Vitals включают LCP, INP и CLS, которые измеряют загрузку, интерактивность и визуальную стабильность соответственно. Пороги для хорошего опыта: LCP в пределах 2,5 секунды с начала загрузки, INP 200 миллисекунд или меньше, CLS 0,1 или меньше. Это рекомендуемые ориентиры, а не гарантия результата.

Проверять соответствие рекомендуется по 75-му перцентилю загрузок страниц с разбивкой на мобильные и настольные устройства. Средняя цифра тут плохой советчик: она прячет медленную часть аудитории.

Есть и ограничение метода. Лабораторные инструменты без пользовательского ввода не могут измерить INP, но TBT измеряется в лаборатории и служит прокси для INP. Проще говоря, в CI вы ловите риск, а реальную интерактивность подтверждаете на данных пользователей.

Чек-лист приёмки кода от ИИ для команды

Соберём правила в один список, который можно повесить в репозиторий. Он опирается на возможности GitHub и пороги web.dev, а не на обещания, что после внедрения код станет лучше сам по себе.

  • Изменение затрагивает критичную ветку? Требуется одобрение ревью до слияния.
  • В репозитории есть CODEOWNERS для затронутых файлов? Запросить ревью у владельцев кода.
  • Изменение меняет файлы, для которых настроен фильтр paths? Убедиться, что workflow запускается по pull_request.
  • Тесты должны проверять объединённый результат? Проверить, что CI использует merge-ветку по умолчанию.
  • Изменение влияет на загрузку, интерактивность или стабильность страницы? Сверить LCP, INP и CLS с порогами по 75-му перцентилю.

Условный пример, чтобы список не остался теорией. Помощник предложил правку в общем модуле авторизации и заодно поправил разметку страницы входа. По чек-листу это два разных маршрута: модуль закрыт обязательным одобрением и владельцем кода из CODEOWNERS, а страница дополнительно проверяется по метрикам после выкладки на тестовый контур. Никакого клиентского результата за этим примером нет — это иллюстрация порядка действий.

Что делать с этим дальше — решать команде. Кто-то начнёт с обязательных одобрений на одной ветке, кто-то сначала наведёт порядок в CODEOWNERS. Важно, чтобы правило было записано и проверялось автоматически, а не зависело от того, помнит ли ревьюер, что именно писал ИИ.

Источники

Назад