前微軟工程師分享多模型 AI 審查流程，大幅降低程式碼 Bug 誤報率

生成式 AI 已廣泛協助軟體開發，但單一模型審查 Pull Request（PR）常產生大量誤報，反而增加工程師負擔。前微軟工程師 Nolan Lawson 因此整合 Anthropic Claude、OpenAI Codex 與 Cursor Bugbot，以獨立判讀降低模型偏差，提升漏洞辨識可信度。

Lawson 最新提出讓多個大型語言模型同步審查同一份 PR，再交叉驗證結果；只有獲多模型共同確認的高嚴重性問題，才優先交由開發者處理，使 Bug 誤報率降至接近零。截至 2026 年 7 月 20 日，相關資訊未公布實測樣本數、正式推出日期或投入金額。