複数回にわたるAIコードレビューのコスト最適化パターンとして、「レビュー対象を毎回全量差分にする」のではなく、時系列で二段階に分ける設計が実例として存在する。

• 変更が新規に提示された時点(例: PRの新規作成時)では、全量の包括的レビューを行う。
• それ以降の追加変更(新しいコミット等)に対しては、前回レビュー以降の新規差分のみに焦点を当てたインクリメンタルレビューに切り替え、必要に応じて過去の指摘への対応状況も会話コンテキストとして踏まえる。

判断基準・適用条件

• この設計は「プレレビュー→クロスレビュー」のような同格の多段構成（同じタイミングで複数の視点を重ねる）とは異なり、時系列上の切り替え（初回は広く、以降は狭く）によってコストを下げる考え方である。
• 複数ラウンドのレビュー→修正→再レビューのサイクルを回す場合、2ラウンド目以降は全量差分ではなく「前ラウンドで指摘された箇所とその修正差分」に限定することで、レビュー対象のトークン量を大きく削減できる。ただし、修正が既存の契約や設計境界に波及するような大きな変更の場合は、差分限定では見落としが生じうるため、全量再レビューに戻す判断基準を別途持っておく必要がある。

効果

初回フルレビューでコストの大半を1回で払い切り、以降の反復コストを差分サイズに比例させることで、レビュー→修正の往復を複数回重ねる運用でも総コストの増大を抑えられる。