Comments 6
Мы сделали MVP AI-ревьювера за 48 часов и теперь ищем тех, кто хочет поучаствовать в его доработке. Если у вас есть вопросы, идеи или фидбек — мы здесь и отвечаем на всё!
Классный рывок! А как выглядит юнит-экономика такого ревью? Анализ 1kLoC за ~60 секунд с несколькими LLM-цепочками и RAG выглядит недешево с точки зрения токенов и вычислений. Уже считали себестоимость одного ревью и как это будет конкурировать по цене с условным Copilot Enterprise?
Отличный вопрос — и вы в точку.
Наивно гнать весь код через большую LLM — это дорого и неэффективно.
Мы решаем это так:
Умный роутинг:
90% простых задач обрабатывают лёгкие модели.
Тяжёлые LLM включаются только там, где нужен глубокий анализ.
Плюс кеш и RAG — в итоге ревью стоит ~2–5 центов.Мы не Copilot:
MergeSensei — не ассистент, а CI/CD-гейт. Он может блокировать MR.
Работает on-prem. И подстраивается под ваши правила и архитектуру.
Copilot — чёрный ящик, MergeSensei — ваш инструмент.
Мы не про “дешевле”, а про контроль, гибкость и реальную экономию на масштабе.
Наши 40 разработчиков каждую неделю тратят 6 часов на просмотр чужого кода. Финальное одобрение pull request'а — ещё 15-20 часов.
Код-ревью одной среднестатистической задачи должно занимать 10-20 минут. У вас каждый разработчик по 20 задач в неделю ревьюит?
По цифрам можно предположить, что у вас что-то не так с процессами разработки.
какие правила важны для JavaScript, а какие для Python, как различать стилистические замечания
Выявлять проблемы по стилю
для стиля — наоборот
Для этого есть линтеры.
Там, где раньше писали классы и тесты часами
Но не потому, что AI пишет код за нас
AI это не замена классам и тестам. Если вы их раньше писали, то и с AI их надо писать.
Благодарю за точные вопросы, постараюсь ответить кратко.
Наши цифры по времени на ревью кажутся большими, потому что отражают всю реальную нагрузку: переключение контекста, сложные архитектурные задачи и итерации правок. Мы боремся именно с этой совокупной потерей эффективности, а не просто со временем на чтение кода.
Вы правы, AI не заменяет линтеры — он их дополняет. Линтер следит за синтаксисом, а AI анализирует контекст: подсказывает более удачные имена переменных и предлагает современные подходы к решению задач, работая на уровень выше.
Аналогично и с тестами: AI не пишет за нас логику. Он генерирует всю рутинную «обвязку» (boilerplate), освобождая разработчика для концентрации на сути бизнес-задачи и ключевых проверках. Мы по-прежнему пишем тесты, но избавляемся от механической работы.
Зачем CEO рискует всем ради хакатона с AI? История MergeSensei