---
title: Yandex内部部署NeuroReview AI代码评审系统 每日处理4000个合并请求
url: https://www.elseif.net/zh/yandexneuroreview-ai-4000
published: 2026-10-10T08:04:01+00:00
language: zh
section: 智能体
source: https://habr.com/ru/companies/yandex/articles/1089752/?utm_campaign=1089752&utm_source=habrahabr&utm_medium=rss
organizations: NeuroReview, Comrade, Yandex
publisher: elseif
---

# Yandex内部部署NeuroReview AI代码评审系统 每日处理4000个合并请求

Yandex基础设施团队已在内部部署一款名为NeuroReview的AI代码评审系统，该系统每天处理约4000个合并请求，占雅尔卡迪亚(Yarcadia)内部所有开发合并请求的约40%。该系统旨在帮助开发人员提前发现潜在缺陷，尤其是那些无法通过编译、测试或静态分析工具检测到的逻辑错误。

NeuroReview构建于Yandex自主研发的Comrade平台之上，后者用于运行大型语言模型代理。整个评审流程通过Temporal工作流引擎进行编排，包括上下文收集、代理执行、技术验证和评论发布等阶段。系统采用双代理架构：第一代理为生成器，负责读取代码差异并尽可能多地识别潜在问题；第二代理为验证器，负责过滤无效或重复的评论，提高最终反馈的准确性。

在生产环境中，NeuroReview使用Qwen 3.6 27B作为生成模型，MiniMax-M2-7作为验证模型。团队曾尝试使用单一代理完成评审任务，但效果不佳：要么过于保守，错过潜在缺陷，要么生成过多噪音。随后转采用双代理架构后，效果有所提升。

为评估不同配置方案的效果，团队引入了Time Saved per PR (TSPR)指标，用于衡量每份合并请求节省的工程时间。实验结果显示，基于Opus模型的配置相比Qwen提升了约30%的TSPR，但单次调用成本高达3.42美元，远高于Qwen的0.041美元。考虑到每日处理上千个合并请求以及可能的重复检查，团队最终选择以性价比更高的Qwen作为生产环境的主要模型。