把评审结论写成标准，逐行阅读才会越来越短

逐行评审先还原代理的改动意图与约束边界

面对一份由编码代理生成的改动，最有价值的第一步不是看代码，而是重建它的推理链。先把代理给出的说明拆成目标、范围、假设三类：它声称要解决的问题、本次改动涉及的模块，以及它默认成立的前提。这样后续每一行的判断都能回溯到明确意图，而不是凭感觉打勾。

假设要逐条问证据。代理说某个输入一定被上游校验过，就应当在改动上下文里找到依据；说某个函数只被一处调用，就应当确认没有反射调用或动态注册。把找不到依据的假设列成疑问，比直接断言错误更稳妥，也方便代理补充说明。

范围要与意图对照。代理常顺手清理缩进、重命名变量、调整导入顺序，这些操作未必有害，却会把真正的行为变化藏进噪声里。评审时把它们单独归类为格式性改动，与逻辑改动分开计数；若格式改动出现在毫无逻辑变化的文件里，通常值得追问原因。

约束边界决定是否继续看细节。对外接口、配置默认值、数据库迁移、权限判定都属于高风险区域，代理一旦越界，无论代码多优雅，都应先退回确认意图，而不是继续往下看。边界清晰的改动，读起来反而更快。

并排阅读让删改行无处隐藏

把原内容与改动后的内容并排放置，是逐行评审最朴素也最有效的工具。左右两侧行号一一对应，任何增删都必须被看到，尤其是被删除的行。删除看起来最省事，却最容易带走一行错误处理、一次参数校验或一个边界判断。

阅读顺序也有讲究。先看每个差异块的完整上下文，再看改动本身，最后回头看调用方。直接盯着高亮行容易被局部正确性说服，而行为变化往往发生在调用链的下一处：参数被收紧、返回值多了一个空状态、异常类型被换成更宽的基类。

• 每一处删除都追问：被删掉的行为由谁承担，是否存在隐式替代。
• 每一处新增都追问：它依赖的输入在全部调用路径上是否都已保证，包括测试与脚本里的旁路调用。
• 每一处重命名都追问：是否只是改名，还是语义、单位与取值范围一起改变。

差异块之间的边界同样重要。连续几个小改动合起来可能构成一次语义变化，比如先放宽校验、再补一个默认值、最后调高日志级别，单看每一处都合理，合起来却让静默失败更容易发生。跨文件的配套改动也要互相对照，定义改了而调用没改，是代理的常见失误。

行为变化与风险面比代码风格更值得逐行追问

逐行评审的核心判断是：这行改动让系统在何种场景下表现得不一样。正确性、边界条件、错误处理、并发与资源释放，构成第一层判断标准。异常路径尤其值得反复确认，代理擅长写出顺利执行的主干，却常在失败分支上留下空洞，比如捕获后不处理、超时被吞掉、清理逻辑只放在成功路径。

边界条件要具体到取值。空集合、零与负数、重复调用、并发进入、时区与编码、超过阈值的输入，都应当在评审时被点名。代理常常对典型输入处理得体，却假设边界输入不会出现；这类假设一旦落进生产，修复成本远高于评审时多问一句。

第二层是风险面。改动是否引入新的外部依赖、是否放宽了输入校验、是否在日志里输出敏感信息、是否改变错误码或返回结构。对外可见的兼容性属于硬约束，一旦破坏，回滚成本会迅速上升，旧客户端不会因为代码更优雅而自动适配。

第三层是性能与可读性。循环里的重复查询、为可选功能引入的重型计算、用复杂写法替代直白条件，都值得写进评审意见。风格偏好不宜阻塞合并，但抬高理解成本的写法可以提出建议，尤其是那些需要三分钟才能确认等价的重构。

测试证据与回滚路径共同决定改动可信度

没有测试证据的改动，本质上只是看起来正确的猜想。评审时应确认：新增或修改的测试覆盖的正是本次真正变化的行为，断言指向结果而非实现细节，失败时的提示足以定位问题。测试数量不是指标，覆盖到关键分支才是。

更具体地看，测试要把触发条件写清楚：输入从什么值开始改变行为、哪个分支被新逻辑接管、回归用例是否锁住了过去的正确行为。只测成功路径的测试，和没有测试差别不大，它给人安全感，却不拦住最常见的回归。

同时检查可观测性与回滚。关键路径的改动是否留下足够的日志或指标，出问题时能否快速定位；是否支持灰度或开关；数据结构的变更是否可逆。回滚路径清晰的改动，评审意见通常会更宽松，因为风险已被兜住。

最后确认改动与验证的顺序自洽：代理是否真的执行过验证，还是只描述了应当通过的理由。记录里保留的运行结果与失败重试过程，比一句测试通过更有说服力；顺序颠倒的验证，往往等于没有验证。

评审结论需要沉淀为团队可复用的判断标准

一次高质量的逐行评审，产出不只是通过或退回的结论，还有一份可复用的标准。把意见按阻塞项、建议项、疑问项分层，写清触发条件与判断依据，下次面对相似改动时，团队可以直接引用，而不是重新争论同一件事。

清单要写成可判定的句子。不说注意安全，而说对外返回不得包含内部标识；不说写好测试，而说新增分支必须有断言失败的回归用例。判定标准越具体，代理在生成阶段就越难绕过，评审也越少依赖个人记忆。

这类评审对运行环境本身也提出要求：请求必须送达指定的官方模型，不能被替换或降级，否则评审对象就不是你看到的那套能力。BestRelay 作为注重质量的 API 中转，按请求里写明的模型原样转发，覆盖 Claude、GPT、Gemini、DeepSeek 等系列，并兼容 Claude Code、Codex、Gemini CLI 与各类 OpenAI SDK；计费按服务商上报的 token 数量按量结算，缓存读取与写入分别计价，邀请充值的成员还能获得推荐佣金。无论改动出自 Claude Opus 5.5 还是 GPT-5.6 Sol，评审尺度都应保持一致。

把标准写进清单，再把清单交回给下一次生成：告诉代理边界的位置、测试要覆盖的内容、格式改动必须拆开的原因。如此循环几轮，逐行阅读会越来越短，因为问题在生成阶段就已被约束。现在就创建一个 BestRelay 账号，用同一把尺子审一遍自己的改动。