自动评审的价值是前移，不是替代

GitHub Copilot code review 的价值在于把一部分反馈前移。PR 刚打开时，机器就可以先看明显问题、风格偏差、潜在漏洞和可读性缺口。这样人类 reviewer 不必把注意力浪费在所有低级问题上。

但这不等于 review 被替代。代码评审最终要承担的是放行责任：这段变化是否符合系统设计，是否破坏隐含约束，是否值得现在合入。这些判断仍然需要上下文。

验证层比评论层更重要

很多团队接入 AI review 后，会盯着评论准不准。这个问题重要，但还不是核心。更核心的是：AI 的评论能不能进入验证层。

验证层包括测试结果、静态检查、运行日志、设计约束、代码所有权和安全策略。AI 评论只有能被这些证据确认或驳回，才不会变成另一种噪音。

人和机器的分工要写清楚

比较稳的分工是：机器先查重复、局部、格式化、常见漏洞和测试缺口；人类判断架构影响、产品意图、长期维护成本和异常路径。

这套分工必须显式写进团队流程。否则 reviewer 会在两种坏状态之间摇摆：要么过度相信 AI，要么完全忽视 AI。

评审系统最后要沉淀规则

AI review 的长期价值，不是每次多几条评论，而是把团队规则沉淀出来。哪些目录不能动，哪些 API 需要兼容，哪些异常要写回归测试，哪些改动必须找 owner。

当这些规则被写进验证层，AI 才真的从旁观评论者变成团队工程系统的一部分。