Поиск багов на этапе ревью

Как находить сложные баги до того, как они попадут в тестирование?

На реальном кейсе Александр покажет, как в его команде внедрили AI-ревьюера для автоматического поиска ошибок в PR с помощью LLM. Разберём архитектуру решения, интеграцию через хуки, работу с LLM API и подходы к написанию эффективных правил для поиска ошибок. Вам покажут, как бороться с ложными срабатываниями, адаптировать AI к легаси-коду и добиться полезных рекомендаций вместо шума.

Отдельно Александр расскажет, как измерять эффективность AI-ревью с помощью Accept Rate и аналитики в DataLens.

Будут примеры реальных багов, которые удалось обнаружить ещё до слияния изменений. Все выводы основаны на опыте внедрения в рабочем проекте. В докладе будет много маленьких провалов и несколько больших побед.

Участники получат готовый план внедрения, практические рекомендации и чек-лист для запуска AI-ревьюера в своей команде.