AI 加速 PR / Code Review — QA 怎麼用 AI 抓 Regression 風險

QA 不寫 code、但最該 review PR — 因為你最懂「這改動會不會弄壞別的東西」。問題是 PR 一天十幾個、人工看不完。AI 的角色不是幫你按 LGTM、是幫你把 diff 變成一張風險地圖、讓你把精力放在只有人能判斷的地方。

AI 越往下越不可信。語法層放心交給它、業務層永遠人工。

QA 看 PR 最該問的不是「這段 code 對嗎」、是「這改動會炸到哪」。把 diff 丟給 LLM：

Prompt:
「以下是一個 PR 的 diff。以 QA 角度分析:
1. Blast radius — 這改動會影響哪些模組 / API / 報表 / 下游流程？
2. Regression 風險 — 哪些『既有』功能可能因此壞掉？
3. 缺的 test — 這 diff 應該補哪些 test case 才安全？
4. 重測範圍 — 上線前我該手動重測哪些路徑？

只列 high / medium 風險、low 的略過。

[paste diff]」

省：原本要追 code 半小時搞懂影響範圍、現在 3 分鐘拿到地圖、人工驗證熱區即可。

AI 很擅長挑「這段改動沒被任何 test 蓋到」：

Prompt:
「以下是 diff + 現有 test 檔。
列出這次改動中『沒有對應 test』的邏輯分支、
依風險排序、並各給一個建議 test case 標題。」

合併條件可以設：新增/修改的邏輯分支必須有對應 test、AI 先掃、你確認。

實測一個中型 PR：傳統人工 review 40 分鐘 → AI 輔助 15 分鐘、且風險覆蓋更完整。

AI review 最大副作用：100 條格式建議、淹掉 3 條真風險。

對策：

# CodeRabbit / PR bot 設定
review:
  severity_threshold: high      # 只報 high、過濾 nitpick
  group_nitpicks: true          # 格式類折疊成一條
  focus:
    - security
    - logic-error
    - missing-error-handling
  skip:
    - style-only

讓 AI 只講重話、格式類交給 linter。

特別注意 A3：「AI 沒抓到」不等於「沒問題」。AI 看不到 system 上下文、跨服務連動、歷史 incident — 這些正是 QA 的價值。

1. QA review PR 看的是風險、不是語法
2. AI 給 blast radius 地圖、你決定重測範圍
3. 只讓 AI 報 high severity、nitpick 交給 linter
4. AI 沒抓到不代表安全
5. 業務邏輯與跨系統連動、永遠人工把關

PR review 是 QA 把關上線品質的最後一道閘。AI 讓你從「追 code 追到累」進化成「看風險地圖做決策」。把語法層交給 CodeRabbit、把 blast radius 丟給 Claude、自己專心在只有人能判斷的業務 regression — 這才是 QA 在 AI 時代該站的位置。

延伸：

• AI 寫的 Test 怎麼信任
• AI 生成 Code 怎麼測
• QA 的 AI Workflow Daily Routine
• QA 該懂的 CI/CD 基礎