代码审查像给文章校稿：找出问题不难，难的是别把作者淹没在无关意见里。据 InfoQ 报道，LinkedIn 为此搭建了多 Agent（多个 AI 角色分工、互相复核）平台，在 PR——开发者请求团队审查并合并的一组代码变更——进入人工审查前，检查缺陷、安全风险和维护问题。
它最值得注意的不是“多叫几个 AI 来看”，而是怎样控制意见质量。不同 Agent 使用不同模型和推理方式；若多个 Agent 独立发现同一问题，平台便把这种一致性视为更强证据。单个 Agent 的独特发现不会直接丢弃，而会另行验证。发布前，平台还会过滤纯修饰性、已经修复、无关或不符合代码库惯例的建议。
LinkedIn把审查意见与最终合并的代码比较，以判断开发者是否实际采纳。评估抽取了 1727 个 PR 的 5230 条评论，其中 90.1% 可被高置信度判定，总体采纳率为 63.9%。这组自建评估说明，企业部署 AI 审查的关键不只是生成更多建议，而是让角色拆分、组织规则和质量验证一起运转；报道未披露各类别样本量等细节。