local LLM review、空結果と失敗を分離。14B modelへ対象をdata loss、crash、security境界、raceなどに限定してJSON出力させます。
local LLM review、空結果と失敗を分離
これは何?Ollama上のQwen Coderへgit diffを渡し、生成codeの重大な欠陥候補だけを安価に探す個人開発のreview workflowです。
14B modelへ対象をdata loss、crash、security境界、raceなどに限定してJSON出力させます。運用後、context超過や壊れたJSONが「指摘なし」に見える問題が判明し、file・hunk単位の分割、coverage記録、終了codeの分離へ改修しました。
なぜ重要か
小さいmodelの精度だけでなく、未読範囲と処理失敗を成功扱いしないprotocol設計が重要です。AI reviewをgateに置くなら、空配列を正常性の証明にしてはいけません。
- 読むべき人
- AI coding agentを使うdeveloper、code review自動化担当
- Zenn
- 173 signal / 6 comments
元記事トークンをケチってレビューをローカルLLMにやらせた話