案例实践1 - codereview
用CoStrict做代码审查和问题定位，3天工作2小时完成
某产品研发部的同事利用AI辅助编程工具CoStrict，定位多平台的采集器Pagent的句柄泄露问题，将原本人工操作需要2-3天的代码审查工作，压缩到只需要2小时内完成。同时，CoStrict检查了所有相关的句柄操作，没有遗漏任何潜在风险点；并准确识别出了最严重的进程句柄处理问题——这是人工审查容易忽略的细节。
1.案例背景
pagent项目是一个多平台的系统监控采集器，用于采集CPU、内存、进程、线程等系统数据并上报到iom平台。最近内部在 Windows平台上发现了严重的句柄泄漏问题，导致进程长时间运行后句柄数量持续增长，最终影响系统性能和稳定性。
传统的排查方式需要开发人员手动分析大量代码，重点关注 Windows API调用（如windows.CloseHandle等），耗时耗力且容易遗漏。面对这个复杂的问题，我们希望借助AI辅助编程工具来提高排查效率。
2.案例实操
操作步骤：
第一步：提供项目背景和问题描述
首先，我给AI提供了一段背景信息：
这个项目是一个多平台的采集器pagent，用来采集cpu、内存，进程，线程等数据，上报到iom平台，但是这个进程在运行时发现了一些句柄泄露问题，尤其是windows端，泄漏非常明显，帮我分析代码，看看哪里有可能出现句柄泄漏
第二步：引导AI了解项目结构
其次，我让AI查看项目根目录，了解整体结构：
<list_files> <path>.</path> <recursive>false</recursive> </list_files>
第三步：逐步深入分析关键代码
接下来，引导AI从主程序开始，逐步分析Windows相关的关键模块：
1.查看主程序文件，了解Windows特定的初始化和清理逻辑
2.分析Windows采集器的核心文件
3.重点查看DLL相关的初始化和清理代码
4.深入分析进程信息采集相关的代码
5.检查性能计数器相关的句柄管理
第四步：提供具体的分析方向
当我发现AI过于关注panic处理时，我及时调整了分析重点,给出如下prompt提示：
主要关注一下windows.CloseHandle的时候，是不是会有些句柄没有释放，pannic的情况比较极端，不用过多考虑
第五步：让AI重点关注具体的技术细节
我引导AI重点关注以下几个方面的句柄操作：
- windows.OpenProcess 和 windows.CloseHandle 的配对使用
- PDH性能计数器句柄的创建和释放
- 进程快照句柄的管理
- 事件句柄和注册表句柄的处理
3.案例效果
1. 全面的问题识别 AI成功识别出了6个主要的句柄泄漏风险点，包括：
- 进程快照句柄泄漏
- 进程句柄处理不当（最严重）
- PDH查询句柄泄漏（高风险）
- 证书验证句柄泄漏
- 事件句柄泄漏
- 注册表句柄泄漏
2. 具体的代码定位 AI不仅发现了问题，还精确定位到了具体的代码行和函数，例如：
- agent/collector/windows/process.go:484-494 中的进程句柄处理
- agent/collector/windows/process.go:617-668 中的PDH查询句柄管理
- common/utils/utils_windows.go:295-300 中的事件句柄处理
3. 实用的修复建议 AI提供了具体的代码修复示例，包括：
- 句柄有效性检查机制
- 改进的defer使用方式
- 错误处理优化策略
相比之前的效果提升：
- 效率提升： 原本需要2-3天的代码审查工作，在2小时内完成
- 覆盖度提升： AI检查了所有相关的句柄操作，没有遗漏任何潜在风险点
- 准确性提升： AI准确识别出了最严重的进程句柄处理问题，这是人工审查容易忽略的细节
4.经验总结
这次AI辅助编程的实践让我深刻体会到，AI工具在代码审查和问题排查方面具有明显优势。它能够快速理解项目结构，系统性分析代码逻辑，准确识别潜在问题，并提供实用的解决方案。
关键的成功因素包括：
- 清晰的问题描述：明确告诉AI要解决什么问题；
- 逐步引导：从整体到局部，引导AI深入分析；
- 及时调整：根据AI的分析结果，及时调整分析重点；
- 技术细节聚焦：引导AI关注具体的技术实现细节。
AI并不是要替代开发人员，而是成为我们强大的助手。它能够处理大量重复性的分析工作，让开发人员能够专注于更复杂的设计和架构问题。希望大家在实际工作中多尝试使用AI辅助编程工具，把它融入到日常的开发流程中。