【要約】【さくらのAI Engine】 Powershellのソースコードレビューをしてみた！ [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
開発現場では、スクリプトの品質維持とレビュー工数の削減が常に課題となる。筆者は、LLMが既存のPowerShellコードに対して、どの程度実用的な指摘を行えるかを検証した。
- ・検証対象：ログ削除を行うPowerShellスクリプト。
- ・検証目的：LLMによるコードの不備やリスクの検出能力の把握。
// Approach
筆者は、さくらのAI Engineが提供するLLMを用いて、特定のソースコードに対するレビューを実施した。
- ・使用モデル：llm-jp-3.1-8x13b-instruct4。
- ・検証手順：ログ削除処理のコードをプロンプトとして入力し、AIによる指摘内容を抽出。
// Result
AIは、変数名、削除ロジック、セキュリティ、エラー処理の4点について指摘を行った。
- ・指摘内容：変数名の改善、削除ロジックの修正、ディレクトリ変更のリスク、エラー処理の追加。
- ・精度評価：コード内のtry-catchを見落とすなど、一部に誤認が見られた。
Senior Engineer Insight
> LLMによるレビューは、命名規則やセキュリティ慣習の指摘に一定の価値がある。しかし、既存の例外処理を見落とすなど、ロジックの誤認（ハルシネーション）が確認された。大規模システムへの導入には、静的解析ツールによる補完と、人間による最終確認が不可欠である。