
这个 patch 前后过了好几轮 AI review。回头总结一下,哪些做法有效、哪些是
坑。
LLM code review 在几类问题上命中率很高:
它也给过“噪音”:有些 claim 没有复现,有些归因到错误的 commit,有些把
SHOULD 当成 MUST。所以每条 finding 都要自己在代码里核实,不能照单全收。
round-trip 通过 ≠ 正确。 加密和解密用同一套 subsample 假设时,任何
边界都能自洽。真正能发现问题的,要么是独立参考实现,要么是审查 bitstream
语义。这条几乎解释了前面所有 Major finding。
我们最终把历史整理成 12 个提交,每个都是完整、可编译、FATE 通过的状态:
折叠时最容易踩的坑是测试 ref 的归属:改密文边界会改 ref 文件,但 ref
文件是在测试提交里引入的,不是功能提交。fold 时要么把 ref 变更移到对应
测试提交,要么先删后补。
过程中有开发者拿着早先的 5.1 patch 来表示愿意合作。那版 patch 的思路是
导出 libavcodec 内部函数给 muxer 用,shared 构建不可行。我们礼貌感谢、
说明现状、把讨论钉在我们自己的 PR 上,并请他帮忙 review slice header
边界和共享 conformance 流。既不防御,也不把技术路线让出去。
最终实现的要点:
cbcs:AES-CBC + 1:9/5:5/10:0 模式,constant IV;tenc 布局;senc;原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。