AI 生成代码的日益增长体量对传统代码审查实践构成了挑战。虽然 AI 加速了代码生产，但人工审查者难以跟上扩大的审查工作量。当前的代码审查流程旨在确保质量、安全与知识共享，但这些职能已不堪重负。作者认为，许多归因于代码审查的益处应更早地在开发周期中予以解决。例如，探索替代方案应在实现之前进行；知识传递通过结对编程或直接导师制比事后审查更为有效；集体所有权与架构理解可通过协作设计会议和群编程（mob programming）来培养。格式化和代码检查等确定性检查应实现自动化。利用结对编程和基于主干的开发等实践将反馈循环前移至关重要。人类判断在重大架构变更或复杂问题中依然具有价值。依赖 AI 模仿人类审查仅保留了仪式，却未触及其根本目的。真正的问题可能在于将代码审查用作满足各类开发需求的万能工具。随着 AI 提升代码产出，必须采取更为审慎的方法以维持人类对系统的理解。重点应从“更快地审查代码”转向“在开发早期参与这些关键对话”。