资讯概览

GitHub 宣布 Copilot 代码审查的 Effort Levels 进入正式可用阶段。该功能允许开发者或团队根据变更风险选择不同审查深度，而不是让每个拉取请求都使用相同的模型投入。小型文案、格式化或低风险依赖更新可以快速检查；身份验证、支付、数据库迁移和大型重构则适合更深入分析。这样的分级机制承认 AI 审查存在时间与Token成本，也试图把计算资源集中到更需要推理的代码上。

技术细节

更高 effort 通常意味着模型会读取更多上下文、追踪更多调用关系并花更多时间寻找边界条件，但它仍受仓库权限、可见文件、构建环境和静态上下文限制。AI可能指出潜在空值、竞态或安全问题，也可能误解业务约束并产生误报。低 effort速度更快，却不适合被当作安全审计。团队需要明确默认级别、哪些目录必须提升等级，以及由谁处理 AI 评论，避免机器人生成大量没人负责的建议。

行业影响

按风险分层是把 AI 融入成熟工程流程的重要一步，因为真正的软件审查从来不是平均分配注意力。它可以帮助团队为高风险变更增加第二层检查，也能减少简单变更被冗长评论拖慢。然而，如果组织把高 effort 当成人工审查替代品，风险反而会增加。模型不知道所有生产历史、客户合同和隐含业务规则，最终批准责任仍属于代码所有者和审查人。

阅读与使用建议

团队可以制定简单矩阵：文档与样式使用低等级，普通功能使用标准等级，权限、加密、支付和数据删除使用最高等级并要求资深人员复核。上线后记录 AI 评论命中率、误报率和被遗漏的生产问题，再调整默认设置。对于无法运行测试或缺少上下文的仓库，应明确标注AI审查限制。本文依据 GitHub 官方公告整理，具体等级名称、用量消耗和套餐权限以最新文档为准。