一条扫描结果出现在代码合并前,维护者就多了一件事要判断。OpenAI 在企业学习站点放出《See PR scans in action》,演示讲解者如何在拉取请求(PR)里查看扫描结果。能把结果摆到审查者眼前,是接入流程的一步。要让它影响合并决定,还得算上工程师验证这条结果的时间。
演示页的文字只确认了查看结果这个环节。视频对应哪项功能、扫描如何触发、读到哪些代码、讲解者怎样处理发现,仍需从画面核实。产品文档能讲清各项能力,演示页本身也没有给出准确率、定价或新功能发布信息。
同在合并前,审查对象各有不同
Codex Code Review 接入 GitHub 仓库后,可在 PR 从草稿转为待审时自动运行,也能通过评论发起。它结合代码差异和相关仓库上下文提出问题,比如逻辑错误或行为回归。OpenAI 把它定位为人工审查和必需 CI 检查的补充。
Codex Security Review 有独立的 PR 入口,专看变更关联的潜在漏洞。团队可以通过评论调用,也可以配置为打开 PR 或推送更新时触发。仓库级安全扫描的观察对象则是仓库本身,范围超出单次改动。既有的静态分析和依赖扫描仍各有用途,合并把关也仍由人工和必需的 CI 检查承担。
<svg viewBox='0 0 760 280' width='100%' height='280' role='img' aria-label='三种审查的检查对象'>
<rect x='1' y='1' width='758' height='278' rx='16' fill='#fbf9f4' stroke='#e2dccf'/>
<text x='32' y='39' fill='#b25a3a' font-size='20' font-weight='700'>三种审查的检查对象</text>
<line x1='32' y1='56' x2='728' y2='56' stroke='#e2dccf' stroke-width='1'/>
<rect x='32' y='84' width='696' height='44' rx='8' fill='#fbf9f4' stroke='#e2dccf'/>
<rect x='32' y='144' width='696' height='44' rx='8' fill='#fbf9f4' stroke='#e2dccf'/>
<rect x='32' y='204' width='696' height='44' rx='8' fill='#fbf9f4' stroke='#e2dccf'/>
<text x='52' y='112' fill='#2c2822' font-size='16' font-weight='700'>通用代码审查</text>
<text x='318' y='112' fill='#7a7266' font-size='14'>改动与相关上下文</text>
<text x='52' y='172' fill='#2c2822' font-size='16' font-weight='700'>PR 安全审查</text>
<text x='318' y='172' fill='#7a7266' font-size='14'>改动关联的漏洞</text>
<text x='52' y='232' fill='#2c2822' font-size='16' font-weight='700'>仓库级安全扫描</text>
<text x='318' y='232' fill='#7a7266' font-size='14'>仓库范围</text>
</svg>
套餐资格只是接入的一关
开发者文档列出的 PR 安全审查适用账号是 ChatGPT Pro、Business、Enterprise 和 Edu。帮助中心另有一套 Codex Cloud 口径,符合资格的 Plus 在列,Free 和 Go 排除在外。帮助中心也把 Codex Security 标为研究预览,并说明其云端扫描按 token 计费;单次 PR 安全审查的价格口径仍须单独确认。

采购时,通用审查、PR 安全审查和仓库级扫描要分别核对。账号符合资格之后,还要看工作区是否允许启用、GitHub 仓库授权到哪里,以及私有代码如何访问和留存。能让谁触发审查,直接关系到谁要接手多出来的评论。
精确率最高,也可能漏掉重要问题
Augment Code 发布的七款工具评测里,Codex 的精确率最高,也就是它报出的问题里,判对的比例在该组工具中最高。但它只找出了测试集已知问题的 29%。这项召回率只对该测试集成立,也无法单独说明漏掉的问题有多严重。换一套 PR 样本、严重度定义或计分规则,榜单就得重新读。
选工具还要看审查怎么进团队。GitHub Copilot Code Review 可在 GitHub 内配置自动审查和触发权限。CodeRabbit 支持配置审查反馈,另有独立安全产品。Cursor Bugbot 则允许团队把项目规则写进仓库的 .cursor/BUGBOT.md。同一条意见,开发者关心它来得是否及时、能否直接改,安全团队还得查它有没有补上现有扫描的遗漏。
合并权要靠同一批 PR 来挣
我更在意一笔公开榜单算不了的账。拿同一批由工程师标注过的历史 PR,让工具各自审查,再拿人工确认的问题和当时的 CI 记录对照。记下独有发现、高风险漏检和重复评论,同时计入维护者读上下文、核实和处置意见的实际耗时。工具报出基准外的问题,也交给工程师确认,免得把新增发现一概算成误报。
<svg viewBox='0 0 760 230' width='100%' height='230' role='img' aria-label='用同批历史拉取请求试点'>
<rect x='1' y='1' width='758' height='228' rx='16' fill='#fbf9f4' stroke='#e2dccf'/>
<text x='32' y='39' fill='#b25a3a' font-size='20' font-weight='700'>同批历史 PR 试点</text>
<line x1='32' y1='56' x2='728' y2='56' stroke='#e2dccf' stroke-width='1'/>
<rect x='32' y='92' width='204' height='96' rx='10' fill='#fbf9f4' stroke='#e2dccf'/>
<rect x='278' y='92' width='204' height='96' rx='10' fill='#fbf9f4' stroke='#e2dccf'/>
<rect x='524' y='92' width='204' height='96' rx='10' fill='#fbf9f4' stroke='#b25a3a'/>
<line x1='244' y1='140' x2='263' y2='140' stroke='#7a7266' stroke-width='1'/>
<polygon points='263,136 270,140 263,144' fill='#7a7266'/>
<line x1='490' y1='140' x2='509' y2='140' stroke='#7a7266' stroke-width='1'/>
<polygon points='509,136 516,140 509,144' fill='#7a7266'/>
<text x='134' y='131' text-anchor='middle' fill='#2c2822' font-size='17' font-weight='700'>同批改动</text>
<text x='134' y='158' text-anchor='middle' fill='#7a7266' font-size='14'>人工标注与检查记录</text>
<text x='380' y='131' text-anchor='middle' fill='#2c2822' font-size='17' font-weight='700'>工程师核查</text>
<text x='380' y='158' text-anchor='middle' fill='#7a7266' font-size='14'>确认新增与重复</text>
<text x='626' y='131' text-anchor='middle' fill='#2c2822' font-size='17' font-weight='700'>判断部署收益</text>
<text x='626' y='158' text-anchor='middle' fill='#7a7266' font-size='14'>新增、漏检、耗时</text>
</svg>
自动化测试能卡住合并,是因为团队能检查失败条件,还能复跑。AI 审查评论往往要结合代码意图才能判断,直接照搬这道门槛,核查就容易变成排队。试点可以从权限清楚、历史审查记录完整的仓库开始,先让评论只作提示。等到团队确认它能稳定补上重要盲点、核查耗时也能接受,再扩大部署。否则,那条出现在合并按钮旁的评论,只是给维护者多派了一件活。
