LiveReview レビュー：安全なプルリクエストを自動承認するリスク感知 AI コードレビュー

AI が書くコードの割合は大きく増えたのに、コードレビューは追いついていない。変数名の変更でも決済フローの書き換えでも、すべてのプルリクエストが同じキューに並び、同じ少数のシニアエンジニアを待つ。シニアはボトルネックになり、流し読みするようになり、リスクの高い変更ほど本番環境にすり抜けてしまう。

LiveReview は発想が違う。スレッドにコメントを増やすのではなく、すべてのプルリクエストにリスクスコアを付け、最も安全な 30〜50% を自動承認し、リスクの高いものを適切な人間のレビュアーに回す。約束する成果は本番の数字で測られる——インシデントの減少、ロールバックの減少、シニアのレビュー時間の削減だ。

LiveReview とは？

LiveReview は、ビジネスクリティカルなシステム向けのリスク感知 AI コードレビューツールで、git-lrc を作った Hexmos チームによるものだ。セマンティック LLM 分析、本番のリスクシグナルで学習したカスタム機械学習モデル、コードベースの静的なグラフ分析を組み合わせ、すべての変更にリスクスコアを付ける。低リスクの変更はすぐに出荷され、高リスクの変更は影響範囲順に並べられて優先的にレビューされる。

このアプローチは Meta の社内 AI レビューシステム RADAR に着想を得ている。Meta によれば、リスクベースのレビューにより本番インシデントは 50 分の 1、ロールバックは 3 分の 1、レビューは 35% 高速化したという。LiveReview は同じ考え方をあらゆるチームに届け、しかも無料でセルフホスト可能だ。

主な機能

1. すべてのプルリクエストにリスクスコアを付与

変更ごとに 3 つのシグナルからリスクスコアが作られる。コードが何をするか（セマンティック LLM 分析）、本番の履歴が何を示すか（インシデントとロールバックのシグナルで学習した ML モデル）、変更がどこまで届くか（コードベースのライブコールグラフ）だ。40 のファイルから呼ばれる関数の 3 行修正は高スコアになり、どこからも使われない 300 行の UI 変更は低スコアになる。

2. 安全な変更を自動承認

リスクが最も低い 30〜50% のプルリクエストは即座に承認される。ポリシーは保守的・バランス・積極的から選べ、リポジトリやパスごとにルールを調整でき、必要なときは理由を記録して強制承認もできる。承認の判断はすべて PR 上で説明される。

3. レビュー優先度ランキング

リスクの高い PR の中でも、LiveReview は各ハンクを精査の必要度で並べ替える——ロジックの複雑さ、ネストの深さ、呼び出しの広がり、テストの有無。レビュアーは diff を上から読むのではなく、最も危険な部分から見られる。

4. コグニティブ・カバレッジ

AI が書いたコードは、チームが理解していてこそ安全だ。コグニティブ・カバレッジは PR をスライドや要約でたどったり、マージ前にクイズを出したりして、生成 AI が書くコードが増えてもチームがコードベースの知的な主導権を保てるようにする。

5. Livi アシスタントと分析

エンジニアリングデータについて平易な英語で質問できる——Web でも Slack、Teams、Discord でも。Livi は導入率、ROI、インシデント、誤承認、オーバーライドを 50 以上の実用的なグラフで追跡し、学んだことをレビューポリシーに反映させる。

使い方

GitHub、GitLab、Bitbucket、Gitea、Azure DevOps のリポジトリに LiveReview を接続し、自分の Claude や OpenAI のキーを用意する。15 以上の AI プロバイダーに対応し、LiveReview のモデルも使える。プルリクエストが開かれると、LiveReview はコードベースのコールグラフをもとに diff を分析し、過去のインシデントとロールバックをその背後のコミットまでさかのぼってリスクスコアを付ける。安全な変更は自動承認され、リスクの高いものは最も危険なハンクを先頭にして人間のレビュアーに回される。ポリシーはまず過去の PR で試してから、実際のデータに合わせて締めたり緩めたりできる。

こんな人におすすめ

• AI が書いたコードを出荷するエンジニアリングチーム：AI がコード量を増やしてもレビューの品質を保ちたい。
• シニアエンジニアとテックリード：本当にビジネスリスクのある変更だけにレビュー時間を使いたい。
• ビジネスクリティカルなシステムを運用するチーム：決済、インフラ、コア製品のコードでは、悪いマージの代償が大きい。
• プラットフォームと DevOps チーム：チームやリポジトリごとにレビュー基準を強制し、監査証跡を残したい。
• オープンソースのメンテナー：大量のコントリビューションをリスクで振り分け、diff を順番に読むのをやめたい。

料金

LiveReview は無料でセルフホスト可能——自分のインフラで動かせる。モデルは自分で用意する。すでに払っている Claude や OpenAI のキーを再利用するか、15 以上の対応プロバイダーに接続するか、LiveReview のモデルを使う。セルフホスト版にシート課金はない。

LiveReview の長所と短所

長所

• 最も安全な 30〜50% の PR を自動承認し、レビューの待ち行列を短縮する。
• リスクスコアはブラックボックスではなく説明可能——すべての要因が見える。
• 本番インシデント、ロールバック、オーバーライドから学習する。
• 無料でセルフホスト可能。すでに持っているモデルキーで使える。
• GitHub、GitLab、Bitbucket、Gitea、Azure DevOps に対応。

短所

• リスクモデルは本番の履歴があるほど優秀になる。新規リポジトリは最初のシグナルが少ない。
• 自動承認ポリシーはチームで積極的に調整する必要がある。デフォルトは出発点にすぎない。
• レビューのボトルネックがない小規模チームでは違いを感じにくい。

最終評価

ほとんどの AI レビューツールはスレッドにコメントを増やすだけだ。LiveReview は「何をレビューするか」そのものを変える。シニアがボトルネックになっていて、AI が書くコードが増えているなら、リスクスコア付きレビューと安全な自動承認が最も直接的な解決策だ——無料でセルフホストできるのだから、自分のリポジトリで試すのは簡単だ。

LiveReview を試す →