概要
AIコードレビューのノイズを削減するため、マルチエージェントによる専門家レビューと「ディフェンス（検証・却下）」プロセスを組み合わせた高精度なアーキテクチャを提案。
詳細内容
AIによるコードレビューは「指摘の数は多いが、的外れなものが混ざり確認コストが増える」という課題があります。本記事では、このノイズを人間のレビューにおける「意図の説明と再検証」のプロセスで解決するマルチエージェント設計を詳説しています。
設計は3段階で構成されます：
1. **Focus Analysis (Haiku)**: 変更内容から最適な専門家ペルソナ（例：Security, DB）を動的に生成。
2. **Parallel Review (Sonnet)**: 複数の専門家が独立してレビューを行い、重大度別に指摘を厳選。
3. **Defense & Consolidation (Opus)**: 最も高性能なモデルが周辺コンテキストを含めて各指摘を検証し、妥当なものだけを採用・統合。却下理由も明示することで、最終的な指摘の信頼性を担保しています。
Multi-ReviewやMixture-of-Agentsなどの研究結果に基づき、モデルごとの特性（コスト・速度・推論能力）を最適に配置することで、実用的な「質」を追求した実装となっています。