AI 能在多大程度上提供帮助，又不至于让团队应接不暇？
证据表明，当AI安全拉取请求（PR）针对狭窄且定义明确的任务设计时，既能高效运作，又能减少团队负担。Dependabot（自动更新易受攻击依赖项的工具）便是一个成功案例：在2,904个JavaScript项目中，其安全PR的接受率达65.42%，且大多数在一天内完成合并[4]。其中仅3.2%的PR导致构建失败，这意味着绝大多数PR无需额外工作即可安全合并[4]。这表明，对于常规依赖项更新，AI能以极低的团队负担处理安全修复。
在更广泛的代码审查任务中，新一代AI工具也展现出潜力。Bugdar是一款针对GitHub的AI增强代码审查系统，平均每处理一个PR（约每秒30行代码）仅需56.4秒，远快于可能耗时数小时的人工审查[1]。它通过微调大型语言模型和检索增强生成技术，提供针对具体项目的反馈，从而减少无关警报[1]。然而，该工具尚处于非常早期的阶段（2025年），尚未经过大规模独立验证，因此其在实际应用中的误报率仍有待证实。
有哪些注意事项和风险？
并非所有AI生成的安全相关PR（拉取请求）都同等可靠。一项针对超过33,000个AI生成PR的大规模研究发现，其中675个与安全相关，但这些PR引入了诸如正则表达式效率低下、注入漏洞和路径遍历等反复出现的安全弱点[3]。令人担忧的是，许多存在缺陷的贡献仍被合并，而拒绝的原因往往来自社交或流程因素（如不活跃或缺少测试），而非安全缺陷本身[3]。这意味着，AI在试图修复漏洞的同时，也可能引入新的安全隐患，而团队未必能及时发现。
同一研究发现，提交信息质量——通常是细致工作的标志——对AI生成的拉取请求是否被接受或合并速度影响甚微，这与人类提交的拉取请求不同[3]。这表明团队可能未对AI贡献进行应有的严格审查。作者还扩展了现有的拒绝分类体系，新增了AI生成安全类拉取请求特有的类别，表明AI引入了团队需要学会识别的新型故障模式[3]。
谁最受益，在什么条件下？
受益最大的团队是那些将AI用于依赖项更新等狭窄、重复性安全任务的团队。Dependabot的高接受率和低故障率表明，这是一个低风险、高回报的应用场景[4]。此前有使用Dependabot经验的项目也实现了更快的合并速度，这意味着投入时间学习该工具的团队能获得叠加收益[4]。
在更广泛的安全代码审查中，成功的条件更为严格。Bugdar的设计——采用项目特定调优并支持多种语言——表明定制化是避免误报的关键[1]。团队应预期投入时间将AI配置到自己的代码库中，并审查其输出，至少在初期阶段如此。对33,000个AI拉取请求的研究还发现，与安全相关的AI拉取请求往往存在少量反复出现的弱点，因此团队可以制定针对性的检查清单或增加自动化检查，以捕捉这些特定问题[3]。
一个关键条件是，团队绝不能盲目信任AI。存在缺陷的安全PR被合并的情况[3]表明，人工审查仍然至关重要，尤其是对于非常规变更。理想的模式是建立协作关系：AI负责处理基础性工作（如依赖更新、常规模式检查），而人类则专注于架构层面的安全决策和新型漏洞的应对。
关于这些来源
该答案基于4项研究（2篇经同行评审，2篇为预印本）——发表于2021年至2026年间，其中3篇来自2024年或之后——这些研究是从通过质量筛选的4项研究中选出的最具相关性的内容，而后者又源自从超过5亿篇论文的数据库中检索出的41篇文献。
本文引用的文献
Bugdar：面向GitHub拉取请求的AI增强型安全代码审查工具
Bugdar 是一款针对 GitHub 拉取请求（PR）的 AI 增强型代码审查系统，平均处理一个 PR 仅需 56.4 秒（每秒处理 30 行代码）。它利用微调后的大语言模型（LLM）和检索增强生成（RAG）技术，提供针对具体项目的反馈，并支持 Solidity、Move、Rust 和 Python 语言。该系统旨在通过为每个代码库定制分析，减少误报率。
复现包：《关于安全相关AI生成拉取请求的见解》
这是一个关于安全相关AI生成PR的实证研究的复现包（包含数据集、脚本和文档）。其中包含对245个PR的手动标注以及标注者间一致性分析，但摘要未提供定量结果。
关于安全相关AI生成拉取请求的见解
分析了超过33,000个AI生成的PR，识别出675个与安全相关的PR。发现了反复出现的弱点（正则表达式效率低下、注入漏洞、路径遍历），许多有缺陷的PR仍被合并，并且提交信息质量对AI PR的接受率或延迟影响甚微。扩展了拒绝分类体系，新增了AI特有的类别。
关于Dependabot安全拉取请求的使用
对2,904个JavaScript项目中的Dependabot使用情况进行了研究：65.42%的安全相关拉取请求被接受，大部分在一天内合并，仅3.2%导致构建失败。此前使用Dependabot的经验与更快的合并速度相关；漏洞严重程度与合并时间无显著关联。