AI coding tools آپ کی team کے code review process کو کیسے بدلتے ہیں؟

Question

IT Interview Practice · Accepted Answer

جب AI code کا بڑا حصہ لکھتا ہے، تو **review بنیادی quality gate بن جاتا ہے — اور نیا bottleneck**۔ عمل style/typos پکڑنے سے **اُس code کے intent، correctness اور security کی تصدیق کرنے** کی طرف منتقل ہو جاتا ہے جسے کسی انسان نے سطر بہ سطر نہیں لکھا۔

**ذہنی ماڈل:** ایک AI diff کا review کرنا ایک پُراعتماد junior کے PR کا review کرنے جیسا ہے — یہ درست *لگتا* ہے مگر باریکی سے غلط ہو سکتا ہے؛ آپ **reasoning اور edge cases** کا review کرتے ہیں، محض syntax کا نہیں۔

## کیا بدلتا ہے

- **حجم اور رفتار بڑھتے ہیں → review رفتار کو قابو کرتا ہے (throttle)۔** سستی checks کو CI کی طرف دھکیلیں (lint، types، tests، security scan) تاکہ انسان اپنی توجہ design، correctness اور security پر صرف کریں۔
- **توجہ intent اور edge cases کی طرف منتقل ہوتی ہے۔** کیا یہ *درست* مسئلہ حل کرتا ہے؟ failure سنبھالتا ہے؟ کوئی چھپا ہوا security سوراخ (injection، leaked secrets، غیر محفوظ deps، licensing)؟
- **مصنف کی جوابدہی۔** جو بھی AI code جمع کرائے، وہ اس کا **مالک** ہے — "AI نے لکھا" کوئی دفاع نہیں۔ مصنف review مانگنے *سے پہلے* اس کی تصدیق کرتا ہے اور اسے سمجھا سکتا ہے۔
- **چھوٹے PRs۔** جب output کا حجم زیادہ ہو تو آسانی سے review ہونے والے diffs زیادہ اہم ہو جاتے ہیں۔

## انٹرویو کا زاویہ

انٹرویو لینے والا جانچتا ہے کہ کیا آپ AI کے output کو **زیادہ** review کی ضرورت کے طور پر لیتے ہیں، سستی checks کو automate کرتے ہیں، اور انسانی جوابدہی برقرار رکھتے ہیں۔ **کمزور** جواب: "AI code عموماً ٹھیک ہوتا ہے، تو ہم تیزی سے merge کرتے ہیں۔" **مضبوط** جواب: review ہی gate ہے، CI lint/test/security کو automate کرتا ہے، انسان intent + edge cases کا review کرتے ہیں، اور جمع کرانے والا code کا مالک ہے۔

## Trade-offs

حد سے زیادہ سخت review رفتار کا فائدہ مٹا دیتا ہے؛ حد سے زیادہ ڈھیلا quality/security قرض بناتا ہے۔ **automation + risk-based review** سے توازن رکھیں — boilerplate کے لیے ہلکا ہاتھ، security-sensitive paths کے لیے گہرا review۔

کیا بدلتا ہے

انٹرویو کا زاویہ

Trade-offs

متعلقہ سوالات