バグ削減と開発時間短縮を実現する AI コードレビュー

AIコーディングの次。AIを使ったレビューとテストで開発生産性を向上させよう
https://coderabbit.connpass.com/event/401635/

での発表資料です。

Transcript

1. CodeRabbit × MagicPod 共催ウェビナー バグ削減と開発生産性向上を 実現する AI コードレビュー CodeRabbit 中津川篤司
2. 𝕏 自己紹介 中津川 篤司 CodeRabbit デベロッパーアドボケイト 一般社団法人DevRel 代表理事 @goofmint fb.me/goofmint
3. CodeRabbitについて覚えてほしい3つのこと 1. レビューを基本とした、Agentic Change Management 2.シート単位の定額・OSSは無料 3.レビュイーはもちろん、レビュアーにも有効 coderabbit.ai/ja
4. CodeRabbit, Inc.について 1.従業員270名程度（内エンジニアが100名位） 2.ほぼリモートワーク（US、ベンガルールオフィ スあり） 3.日本支社なし 4.トークンマキシングな企業 https://www.coderabbit.ai/
5. Agentic Change Managementとは？ AIエージェントの生成するコード変更を、 • 検証 • 優先順位付け • 理解 • 承認 • 保守 まで一貫して管理する仕組み
6. アジェンダ 1.コードレビューの目的 2.コードレビュー4つの課題 3.バグ削減と開発時間短縮 4.CodeRabbitが支援できる領域 5.CodeRabbitのデモ
7. コードレビューの目的 1.バグの早期発見 2.設計・実装方針の確認 3.セキュリティや保守性の確認 4.チーム内の知識共有
8. コードレビューの必要性 1.AIは責任を取れない 2.リリース後の手戻りは設計時の30倍とも 3.人員は入れ替えが発生する
9. コードレビュー4つの課題
10. 1. レビュー開始までの待ち時間 1.レビュアーの空き時間までPRが確認されない 2.複数のPRが特定のレビュアーへ集中する 3.開発者が前の作業内容を忘れた頃に指摘が 返ってくる via Nudge: Accelerating Overdue Pull Requests toward Completio
11. 2. レビュー内容のばらつき 1.レビュアーの経験や得意分野によって指摘が 変わる 2.同じ問題でも指摘される場合とされない場合 がある 3.忙しさによって確認の深さが変わる
12. 3. レビュー作業の負担 1.変更内容を理解するだけで時間がかかる 2.命名、例外処理、入力チェックなどの反復的 な確認 3.単純な問題への指摘で、設計や業務仕様の確 認時間が減る
13. 4. 開発現場で発生しやすい課題 1.案件・チーム・ベンダーによる品質差 2.プロジェクトごとに異なる開発標準 3.プロジェクト途中の増員や担当者変更 4.ドキュメント化されたルールがレビュー時に 参照されない
14. レビューと開発生産性向上
15. レビューが開発生産性向上に有効な理由 1.バグを後工程で発見すると、調査と修正の範囲 が広がる 2.指摘内容が曖昧だと、開発者が原因を調べる時 間が必要になる 3.レビューが遅れると、PRが長時間滞留する
16. 開発時間を短縮するために必要なこと 1.問題を早く発見する 2.レビュー開始を早くする 3.指摘理由と修正方法を明確にする 4.修正後の確認を早くする 5.同じ問題を繰り返さない レビュー時間削減ではなく、レビューの待ち時間と手戻りを削減
17. レビューは2つの側面がある レビュイー レビュアー プログラマー シニアエンジニア レビューを受ける人 レビューをする人
18. レビューは2つの側面がある レビュイー レビュアー プログラマー シニアエンジニア レビューを受ける人 レビューをする人 ↑ AIコーディングエージェントのレビュー機能はこちら向け VS Code機能拡張・CLIもこちら
19. レビューは2つの側面がある レビュイー レビュアー プログラマー シニアエンジニア レビューを受ける人 レビューをする人 ↑ 開発生産性を上げるなら、 こちらのサポートが重要 CodeRabbitのPRレビューはこちらも対象
20. CodeRabbitが支援できる領域
21. CodeRabbitが支援できる領域 1.問題の検出（レビュイー向け） 2.PRの理解（レビュアー向け） 3.レビューの進行（レビュアー向け）
22. 問題の検出（CodeRabbit Review） 1.条件分岐やロジックの不整合 2.null、空値、境界値の考慮漏れ 3.個人情報や機密情報の不適切な扱い 4.パフォーマンス上の問題 5.例外処理の不足 7.テスト不足 6.認証・認可の問題 8.保守性を下げる実装
23. PRの理解（CodeRabbit Change Stack） 1.変更内容の要約 2.変更された処理の整理 3.影響範囲の把握 4.重点的に確認すべき箇所の抽出
24. レビューの進行（CodeRabbit Triage） 1.レビューの優先順位の提示 2.最適なレビュアーの推薦
25. AIに任せない領域 1.仕様上の例外を許容するか 2.アーキテクチャとして妥当か 3.プロジェクトとしてリスクを受容できるか 4.今後の保守・運用の問題がないか 5.リリースを承認するか
26. MagicPodとの連携
27. 実装計画・レビュー連携 1.CodeRabbit Plan MagicPodにあるエラー情報から実装計画を作成 2.CodeRabbit Review MagicPodにあるエラー情報を使い、レビュー
29. エージェント連携 1. チャット 「MagicPodの <organization_name>/<project_name>/の テストケースの結果を教えて」 2. ループエンジニアリング 毎日2時に以下のテストケースを実行して、結果を教えて https://app.magicpod.com/<organization_name>/ <project_name>/<testcase_number>/
30. CodeRabbitのデモ
31. https://github.com/goofmint/note2web/pull/79 https://app.coderabbit.ai/change-stack/goofmint/note2web/pull/87/layers/1
32. まとめ • コードレビューには待ち時間、属人化、確認漏れ、品質差という課題 • バグの早期発見は、後工程の手戻りと開発時間の削減に有効 • AIコードレビューはPRの理解、問題検出、修正支援、再確認を支援 • 人間は業務要件、設計、リスク、リリース判断に集中