静态分析策略 = 自动化的规则
解决什么问题：人工 review 难以覆盖所有规则—— 静态分析 = 把规则自动化 = 强制 + 标准化 + 规模化。
业务问题
真实场景
场景 1：人工 review 的局限
人工 review 难发现：
- 性能问题（需要理解运行时）
- 安全漏洞（需要专业知识）
- 风格违规（容易疲劳）
- 跨文件问题（信息不完整）
人工 review 容易：
- 个人偏好
- 风格争论
- 漏掉重要问题静态分析 4 层
L1：Lint（语法 + 风格）
- 风格违规
- 明显错误
- 工具：ESLint, Pylint, golangci-lint
L2：类型检查
- 类型错误
- 接口违规
- 工具：TypeScript, mypy, Go
L3：Bug 模式检测
- 常见 bug 模式
- 性能问题
- 安全漏洞
- 工具：Error Prone, SpotBugs, CodeQL
L4：架构检查
- 模块依赖
- 循环引用
- 接口一致
- 自研工具Google 的 Tricorder
功能：
- 自动运行所有静态分析
- 提交前 + 提交后
- 自动修复（auto-fix）
- 结果汇总到 review 工具
效果：
- 减少 review 工作量
- 强制执行规则
- 知识共享（发现的问题 → 共享给所有人）规则的生命周期
1. 提议（提议分析规则）
2. 实验（小范围）
3. 警告（warn 而非 error）
4. 强制（error）
5. 删除（不再需要时）工程实践
决策 1：投资哪一层
优先级：
L1 Lint：必做（最低成本最高收益）
L2 Type：强烈推荐（编译时错误）
L3 Bug 模式：建议（高价值）
L4 架构：成熟团队（投资回报高）决策 2：警告 vs 错误
新规则：
- 第 1-3 个月：警告（warn）
- 第 4-6 个月：默认错误，但可豁免
- 7+ 月：强制（必须修）与 L 层对位
关键洞察
- 静态分析是 review 的延伸——自动化部分规则。
- 类型系统是最强静态分析——投资编译器最划算。
- 规则需要生命周期——不能一步到位。
- 共享规则 = 知识共享——发现的问题组织共享。
- 与 cybernetics 同构——Ch 4 §4.6 不变量 = 静态分析检查的不变量。