Datadog⁠（在新窗口中打开） 运营着全球使用最广泛的可观测性平台之一，致力于帮助企业监控、排查故障并保护复杂的分布式系统。当出现故障时，客户可通过 Datadog 平台快速识别问题，这意味着在代码进入生产环境之前，可靠性必须成为系统的内置功能。

对于 Datadog 的工程团队来说，代码审查是一项至关重要的任务。这不仅是为了识别错误，更是为了理解变更如何在相互关联的系统中产生连锁反应，而这正是传统静态分析和基于规则的工具无法胜任的领域。

为应对这一挑战，Datadog 的 AI 开发体验 (AI DevX) 团队采用了 OpenAI 的编程智能体 Codex，这款智能体可将系统级推理能力融入代码审查，并大规模揭示人类难以察觉的风险。

“节省时间尤为关键，”Datadog 的 AI DevX 团队负责人 Brad Carter 表示，“但就我们的规模而言，防范事故的意义更为重大。”

在 Datadog，高效的代码审查主要依赖高级工程师 — 他们能够深入了解代码库及其历史和架构权衡关系，并借此识别系统性风险。

但这种深层次的上下文难以扩展，早期的 AI 代码审查工具无法解决这一问题；许多工具的行为更像是高级代码检查工具 (linter)，只标记表面问题，而忽略了更广泛的系统细微差异。Datadog 的工程师认为这些建议过于肤浅或杂乱，因此并未采纳。

Datadog 开始推行 Codex（OpenAI 的编程智能体）试点项目，并将其集成到实时开发工作流中。在该公司规模最大且使用最频繁的代码仓库中，每个拉取请求都由 Codex 自动审查。工程师可以对 Codex 的评论点赞或点踩，并在团队间分享非正式的反馈意见。许多人指出，Codex 的反馈值得关注，且不会像之前的工具那样输出杂乱或肤浅的建议。

为了测试 AI 辅助审查能否在指出风格问题的同时完成更多任务，Datadog 构建了一个事件重现工具。

该团队并未使用假设性场景，而是回溯历史事件。他们重建了那些曾导致事故的 Pull Request，并将 Codex 作为原始审查的一部分应用于每一个请求，然后询问负责处理这些事件的工程师：Codex 的反馈是否会产生实际影响。

结果显示：在 Datadog 审查的事件中，Codex 已发现超过 10 个案例（约占事件总数的 22%）；工程师确认 Codex 提供的反馈可产生实际影响，且其表现优于接受评估的其他工具。

因为这些 Pull Request 已通过代码审查，重现测试表明 Codex 已揭示审查人员此前未曾发现的风险，并与人为判定结果互补，而非取而代之。

Datadog 的分析显示，Codex 能够持续标记部分问题，这些问题仅靠即时代码差异不易察觉、且无法通过确定性规则捕获。

工程师们认为 Codex 的评论不仅是“机器人的噪音”：

将审查反馈与实际可靠性结果相连接的能力，使 Codex 在 Datadog 的评估中脱颖而出。与静态分析工具不同，Codex 可将拉取请求的意图与提交的代码变更进行比较，并对整个代码库及其依赖项进行推理，以执行代码和测试来验证其行为。

Carter 表示，“这是第一个真正在更大的计划背景下评估差异的工具，它不仅设计新颖，更令人大开眼界。”

对于许多工程师而言，这一转变彻底改变了他们与 AI 审查的互动方式。“我开始将 Codex 的评论视为真正的代码审查反馈，”Datadog 高级软件工程师 Ted Wexler 说道，“它的评论并不是我会草草浏览或直接忽略的信息，而是值得关注的内容。”

评估结束后，Datadog 已在其工程团队中更广泛地部署 Codex。如今，超过 1,000 名工程师会定期使用这一工具。

反馈主要通过自然活动呈现，而非依赖工具内的正式指标。工程师们可以通过 Slack 分享实用洞察、建设性评论，以及 Codex 如何助其以不同方式思考问题的案例。

虽然节省了大量时间，但团队一致认为，工作模式的转变更具深远意义。

对 Datadog 而言，更广泛的影响在于其改变了代码审查本身的定义方式。团队不再将审查视为发现错误或优化周期时间的检查点，而是将 Codex 视作可协助人类的核心可靠性系统：

这一转变与 Datadog 的领导者对工程优先事务的定义不谋而合：在他们看来，可靠性和信任与速度同样重要，甚至更为关键。

Carter 说：“当一切濒临崩溃时，我们就是企业所依赖的平台。预防事故有助于增强客户对我们的信任。”