AI 代码审查：寻找真实风险而不是泛泛建议
对一组代码差异给出可验证的问题清单。
跟着步骤做
- 提供需求、差异和相关测试，让 AI 重点寻找会改变行为的缺陷。
- 要求每个问题指出文件位置、触发条件、影响与最小复现，不接受纯风格意见。
- 人工复现高优先级问题，确认成立后再修改，并补充能防止回归的测试。
试试这段提示词
将方括号中的内容换成自己的资料；这是练习起点，可按结果继续调整。
审查这组改动是否存在正确性、数据丢失、安全或兼容性问题。只报告可具体触发的问题；每项包含位置、触发步骤、实际影响和建议测试。忽略纯格式偏好。需求：[内容] 差异：[内容]
完成后检查
每条意见能否复现？是否真正由本次改动引入？
常见问题
AI 审查可能误报，也可能漏报；结论必须结合代码和测试验证。
官方参考
GitHub：Copilot 代码审查 ↗以上步骤与示例为本站编辑整理。相关功能与界面请结合官方文档确认。