哲学倾向作为AI辅助代码审查的行为约束：一项实证研究

AI辅助代码审查工具通常作为通用的“专家审查者”智能体运行，无论所需的分析类型如何，都会产生同质化的发现。我们提出了一种通过哲学倾向约束AI审查者行为的系统——这些倾向是植根于特定认识论传统的连贯人格视角（Pyrrhonist Skepticism、Navya-Nyaya逻辑、Diogenes的犬儒主义、儒家关系伦理），它们将注意力引向结构上不同类型的问题。每种倾向通过否定方式定义（由其拒绝执行的操作界定），配备自我监控的失效模式（hamartia），并由角色协议按顺序编排。我们在跨越5种编程语言（Python、Go、C++、Java、Terraform）、5个组织（2个企业、3个开源）和2个时间时期（AI前2020年，AI后2024--2026年）的7个代码库中的50个已合并拉取请求上评估了该系统。该倾向系统实现了与人类审查者46%的收敛度（验证信号质量），以75%的比率识别出独特的发现，并且在总计601项发现中未产生被作者判定为误报的发现（未评估评分者间一致性，这仍是一个局限）。对照基线比较表明，51%的倾向发现无法由同一模型使用通用的“专家审查者”提示产生，且这些独特的发现针对结构、操作和逻辑问题，而非标准代码级问题。在3个PR上进行的初步跨模型验证（Claude Opus vs. GPT Codex 5.3-xhigh）显示出100%的框架结构依从性和39%的发现级一致性，表明该框架提供了真实的行为约束，同时保留了模型特定的分析视角。