DF-ИИ-020 · ИИ в работе команды
Какие изменения от ИИ требуют ревью и автотестов: правила команды
- Как отличить изменение, которое нельзя принимать без ревью, от безопасного автоматического
- Какие настройки репозитория закрепляют обязательные одобрения и владельцев кода
- Как связать запуск проверок с событиями, файлами и фактом одобрения
- Какие отчёты о тестах и качестве можно увидеть прямо в запросе на слияние
ИИ-помощник за вечер собрал десяток правок, и соблазн простой: раз тесты зелёные, сливаем без человека. Через неделю выясняется, что часть правок затронула критичную ветку, а ревью никто не запрашивал. Вопрос не в том, доверять ли ИИ, а в том, какие изменения вообще нельзя пропускать мимо контроля.
Дальше — не пошаговая инструкция, а набор механизмов и порядок, в котором их удобно применять: сначала договориться о критериях чувствительности, потом закрепить их настройками, затем связать проверки с событиями и ревью. Это редакционный чек-лист Deskforge, а не отчёт об испытании продукта и не клиентский кейс: правила нужно адаптировать к вашему репозиторию и рискам.
Смежная тема — ИИ пишет код в команде: как сохранить качество и контекст, а варианты работ с ИИ в процессах собраны на странице автоматизации.
Почему ускорение с ИИ не отменяет контроль качества
Ревью pull request — это механизм, при котором коллеги комментируют изменения, предлагают улучшения и одобряют их или запрашивают правки до слияния кода (F1). Скорость генерации кода этот механизм не отменяет: он отвечает на другой вопрос — кто и по какому правилу подтверждает, что изменение можно влить.
Обязательные ревью, по описанию GitHub, помогают защищать важные ветки и снижают число случайных слияний (F5). Именно «случайных» здесь ключевое слово: ИИ не устаёт и не отвлекается, но и не знает, что за файл он правит и насколько ветка критична. Это знание живёт в настройках репозитория, а не в модели.
Поэтому первый шаг — не выбирать модель поумнее, а договориться, какие изменения считаются чувствительными. Дальше эти договорённости превращаются в настройки, которые не зависят от того, кто автор правки — человек или помощник.
Какие решения ревью бывают и что означает каждое
Когда проверяющий отправляет ревью, он выбирает одно из решений: Comment, Approve или Request changes (F2). Разница между ними — не вежливость, а разные последствия для слияния.
Решение Request changes означает, что автор должен учесть замечания до слияния (F3). Это и есть тот рычаг, который останавливает правку, даже если она пришла от ИИ и выглядит аккуратно.
Практический вывод для правил команды: автоматическое принятие допустимо только там, где ни один проверяющий не оставил Request changes и где изменение не попало в класс чувствительных. А класс чувствительных вы определяете сами — по ветке, по файлам, по последствиям сбоя; ниже показано, где эти признаки закрепляются настройками.
Как закрепить обязательные ревью и владельцев кода
Администраторы репозитория могут требовать одобрения перед слиянием pull request (F4). Это настройка, а не данность: её нужно включить и проверить, что она распространяется на те ветки, где правки ИИ опасны.
Второй слой — владельцы кода. Если в файле CODEOWNERS определены владельцы, GitHub может автоматически запрашивать у них ревью, когда pull request меняет их код (F6). Так чувствительные файлы получают нужного проверяющего без ручного поиска.
Осторожность с масштабом: запрос ревью у большой команды может уведомить каждого её участника (F7). Поэтому владельцем стоит назначать узкую группу или конкретного человека, иначе уведомления превратятся в шум, который начнут игнорировать.
Как настроить запуск проверок по событиям и файлам
Триггеры workflow в GitHub Actions — это события, которые вызывают запуск workflow (F8). От того, какие события выбраны, зависит, увидит ли команда проверку вообще.
Для события pull_request по умолчанию workflow запускается при типах активности opened, synchronize или reopened (F9). Если правка приходит новым коммитом в уже открытый запрос, это тип synchronize — и он входит в набор по умолчанию.
Workflow можно настроить так, чтобы он запускался при изменении в pull request конкретных файлов, например JavaScript-файлов (F10). А если использовать одновременно фильтры branches и paths, workflow запустится только при выполнении обоих условий (F11).
Здесь и прячется типичная ошибка: проверка настроена на нужные файлы, но не на нужные ветки, или наоборот. Оба фильтра нужно сверить вместе, иначе чувствительная правка пройдёт мимо тестов.
Как связать проверки с фактом ревью и одобрения
Workflow, запускаемый событием pull_request_review, срабатывает при отправке, редактировании или отклонении ревью pull request (F12). Это позволяет привязать дальнейшие шаги не к факту коммита, а к факту проверки.
Чтобы workflow запускался при одобрении pull request, можно использовать тип submitted события pull_request_review и проверять состояние ревью через github.event.review.state (F13). Так запуск проверки становится следствием одобрения, а не параллельным процессом.
Для команды это значит: можно выстроить цепочку, где тяжёлые проверки идут после того, как человек посмотрел изменение. Но условие нужно написать явно — само событие ревью не гарантирует, что проверка ждёт именно одобрения.
Какие отчёты о тестах и качестве доступны в CI
GitLab CI/CD позволяет тестировать изменения в feature-ветках и отображать отчёты о тестах и ссылки на важную информацию прямо в merge request (F14). Проверяющему не нужно открывать логи, чтобы понять, что сломалось.
В GitLab CI/CD можно формировать отчёт о покрытии кода тестами с построчным покрытием в диффах и общими метриками (F15). Это полезно, когда правка от ИИ добавила код, но не добавила к нему проверок.
Там же можно формировать отчёт о качестве кода с анализом через Code Climate (F16) и просматривать результаты юнит-тестов, выявляя сбои без открытия логов заданий (F17). А для RSpec-тестов пайплайн можно останавливать раньше при сбое — это fail fast testing (F18).
Оговорка по условиям: доступность этих отчётов зависит от тарифа и настройки, а описание fail fast в источнике дано для RSpec. Для других фреймворков применимость нужно проверять отдельно.
Чек-лист решений: что требует ревью и автотестов, а что можно принимать автоматически
Ниже — редакционный чек-лист Deskforge. Он помогает распределить изменения по уровням контроля, но не заменяет вашу политику и не является отчётом об испытании продукта.
- Меняет ли изменение критичную ветку, защищённую обязательными одобрениями? Сверьте с настройками защищённых ветвей и требованием одобрений перед слиянием (F4).
- Затрагивает ли изменение файлы, для которых назначены владельцы кода? Проверьте наличие CODEOWNERS и автоматический запрос ревью у владельцев (F6).
- Запускаются ли проверки на нужные типы активности pull request? Убедитесь, что workflow покрывает opened, synchronize и reopened или заданы нужные types (F9).
- Срабатывают ли проверки при изменениях в конкретных файлах? Проверьте фильтры paths и branches и то, что оба условия выполняются одновременно (F11).
- Связан ли запуск проверки с фактом одобрения ревью? Проверьте условие по github.event.review.state для события pull_request_review (F13).
- Есть ли отчёт о юнит-тестах и покрытии, видимый в merge request? Проверьте наличие отчётов о юнит-тестах и покрытии кода в CI (F17).
Как это работает на условном примере. Это иллюстрация, а не рекомендуемая конфигурация. Правка от ИИ меняет файл, у которого есть владелец в CODEOWNERS, и попадает в защищённую ветку. По правилам такая правка ждёт одобрения владельца, а Request changes блокирует слияние до устранения замечаний (F3).
Второй случай из того же примера: правка затрагивает файл с владельцем в CODEOWNERS, но ветка не защищена. Обязательное одобрение здесь не сработает само — сработает только автоматический запрос ревью у владельца (F6), и решать, ждать ли его, будет ваша политика. Именно этот разрыв чек-лист и предлагает закрыть.
Третий случай: правка в файл без владельца, в обычную ветку, с зелёными тестами и без запрошенных изменений.
Её можно принимать автоматически — но только если вы сами решили, что этот класс изменений безопасен.
Граница проходит не по автору правки, а по её последствиям. ИИ ускоряет написание кода, но решение о том, что можно влить без человека, остаётся за командой и фиксируется в настройках, а не в доверии к модели.