专用 AI 评审器 vs 通用 Agent：一次可复现的实测

文章给出一个可在自有代码上运行的测试：把已知缺陷植入大型 diff，在匹配条件下同时运行专用评审器（如 Open Code Review）与通用 AI Agent，并从精确率、召回率、文件覆盖率、锚点有效性、墙钟时间和 token 消耗六个维度打分。作者强调通用 Agent 常给出自信的总体摘要，却漏掉真正含 bug 的第 47 个文件或对应行，且 token 开销与工作量不成比例。全部流程脚本化，便于他人复现。

AI推荐理由 提出一个可复现的评测方法：向大型 diff 注入已知缺陷，在相同条件下对比专用 AI 评审器（如 Open Code Review）与通用 Agent，并按 precision、recall、文件覆盖率、锚点有效性、耗时和 token 六项打分。具体价值在于给出可自行运行的测试流程而非厂商 demo；局限是正文仅描述方法，未提供实测结果数据。