一句话总结:原文是 Anthropic 团队 2026-10-15 发布的 How the Claude Code team does code review,作者 Addy Osmani、Morgan Westlee Lunt、Qing Wang。核心结论:代码审核的对象不是「有没有人读过」,而是「这个变更可能怎么坏,哪一层检查最擅长抓住它」。他们把审核铺成七层关卡,人力按风险分 0/1/2 人,把线上事故做成每日评测,并用「审核轮数」作为与召回率并列的指标。

01 · 问题:两个极端都不行
现在用 AI 写代码越来越普遍,可到底怎么审,一直没有统一定论。现有的三种直觉都站不住:
| 做法 | 问题 |
|---|---|
| 逐行看 | AI 分分钟写出几千行,全看完要耗费大量时间 |
| 完全不看 | 不放心,不知道 AI 写的是不是跟你想的一样 |
| 只看「重要部分」 | 听起来中庸,但谁知道哪部分重要?问题恰恰常出在看起来不起眼的地方 |
所以先看数字。Anthropic 自己披露:Claude 写了 Claude Code 约 90% 的代码。在这个前提下,文章要回答三个问题——还审不审?谁来审?坏了谁兜?
| 指标 | 数值 | 口径 |
|---|---|---|
| Claude 写的代码占比 | 约 90% | Anthropic 自述 |
| 合并 PR 数(6 月 → 9 月) | 增加一倍以上 | Claude Code 仓库 |
| 被 revert 比例(同期) | 下降超过 40% | 同上 |
| Anthropic monorepo 日均变更 | 2,500(5 月)→ 30,000+(9 月) | 全公司 |
| 内部 PR 收到实质审查意见比例 | 16% → 54% | Code Review 研究预览上线后 |
| 单个 CLI PR 一夜审核轮数 | 50+ 轮 | 反面案例,被作者手动叫停 |
| 重复告警中「首轮就已存在」的代码占比 | 约 59% | 对反复被标记的代码做 git blame |
| 一轮即通过的 PR 比例 | 65% → 78% | 收敛改造前后(原文 FIG D) |
| 需要 ≥5 轮的 PR 比例 | 8.9% → 1.5% | 同上 |
| 平均通过轮数 | 2.08 → 1.32 | 同上 |
两点必须说清楚:
- 这是自报数据,没有对照组。 「PR 翻倍、revert 降 40%」不能直接推导为「这套流程是原因」。
- 前提是重型基础设施。 merge queue、feature flag、分阶段发布、每周 on-call、专人整理的 incident 库——缺一样把人工核准降到 0 人就是裸奔。
另外要注意:文章标题讲的是代码审核,但实际介绍的远不止审核。审核不是孤立环节,它和整个发布流程绑在一起,所以原文顺带把发布流程也讲了一遍。
02 · 先回顾:传统流程长什么样
一段代码上线的常规路径:
按这道时序,整条链路可以切成四个阶段:
| 阶段 | 范围 |
|---|---|
| PR 前 | 提交 PR 之前 |
| PR 中 | 提交 PR 之后 → 合并之前 |
| 合并时 | 合并动作发生的那一刻 |
| 合并后 | 合并完成之后 |
Claude Code 团队同样是这四个阶段,大框架没变。变的是每个阶段里具体做的事——为了适应 AI 写代码的现状。下面就按这四段走。
03 · PR 前(一):先让 AI 能自己证明「跑起来了」
PR 前的第一个动作不是审代码,而是确保产品能正常运行。这部分直接交给 AI,但有个前提:
既然交给 AI,就必须给 AI 验证的手段。
具体是给它工具——运行程序、查看网页、截图、操作电脑。这样 AI 写完代码能自己把产品跑起来,用工具确认运转是否正常。
这一步的唯一重点:让 AI 具备验证产品效果的能力。没有可执行的验证手段,AI 说的「完成了」没有信息量。
04 · PR 前(二):检查代码质量,但必须换一个新 agent
跑起来了,再检查代码本身写得对不对——是否符合规范、架构是否合理。这一步也能让 AI 做,但用哪个 AI 是关键。
4.1 直觉做法为什么不行
最容易想到的方案:让原来那个写代码的 agent 自己检查。它上下文里还存着思考过程和对话记录,对这段代码「知根知底」,让它查最合适。
实际跑下来会发现它遗漏很多问题。原因很直白:
AI 本来就知道自己是怎么想的,回头检查时还是会顺着原来的思路走,很容易以为自己已经写对了。
它不是不认真,是被自己的上下文锁死了。
4.2 Anthropic 的做法
新建一个全新的 AI agent,只把「目标」和「相关代码改动」发给它,让它判断两件事:这些代码能不能完成既定目标、有没有潜在风险。
好处在于这个 agent 有全新上下文,不知道写代码时发生了什么。听起来像缺陷,恰恰是这个「缺陷」让它保持客观,不容易遗漏问题。
4.3 同一个思路,在原文里还有两层延伸
视频停在「换个新 agent」这一步,但原文的 PR 前阶段还有两个增量:
第一,验证和复查是两个动作,都要落到流程里。 给 Claude 能跑的东西,并要求它贴出输出而不是回「完成了」;再让一个 context 干净的 subagent 审 diff。Claude Code 作者 Boris Cherny 称之为「可能是拿到好结果最重要的一件事」,估计能让结果好 2–3 倍:
“Verification looks different for each domain. It might be as simple as running a bash command, or running a test suite, or testing the app in a browser or phone simulator.”
第二,同一个问题被反复指出,就去改源头。 不是继续在 PR 里吵,而是改 skill、加 lint 规则,或更新两份文件:
| 文件 | 谁写 | 管什么 | 好版本的标志 |
|---|---|---|---|
CLAUDE.md | 团队 | 项目是什么:技术栈、约定、目标与非目标 | 短,大仓库里只做索引;审核者还会反过来标记「违反约定」和「让这行过期」的变更 |
REVIEW.md | code owner | 我负责的这块,审核者该在乎什么 | 写清本仓库「失败长什么样」、给 nit 设上限、列出要跳过的路径、要求用文件+行号当证据 |
「失败长什么样」的举例是全篇最实用的细节之一:
文档仓库的 failure 是 “it lies”,配置仓库的 failure 是 “it misroutes”。
他们还会单独检查审核者是否真的遵守了 REVIEW.md——写了不等于执行了。
05 · PR 中:四个环节,前三关是机器
提交 PR 后,一个 PR 要依次经过四个环节:
前三个环节是机器检查,只有最后一个是人。 下面逐个看。
5.1 环节一:CI
CI 是每次提交代码后自动运行的一整套检查:
- Lint 检查
- 类型检查
- 多平台测试
- 尝试构建项目
这只是举例。判断标准只有一条:那些不需要 AI、而且能自动跑的检查,都可以放进 CI。原文的量级参考是:一个典型 CLI PR 在任何人看之前可能已经跑过几十个检查。
PR 模板还会强制回答两个问题:这个变更怎么测的、怎么还原。Claude 可以代填,但发起这个变更的人签收——代填不等于代责。
5.2 环节二:AI 审核,三个步骤
AI 审核可以拆成发现问题 → 筛选问题 → 处理问题三步。
第一步 · 发现问题。 从三个角度查,这样覆盖比较全面:
第二步 · 筛选问题。 把无关紧要的问题剔掉——代码风格不一致、冗余代码之类,这些一般不影响程序正常运行。
机制值得注意:如果大部分开发者都觉得无所谓、不需要改,那就把这些写成筛选规则,交给负责筛选的 AI。于是这类问题在这一步被过滤掉,开发者不用在它们身上浪费时间。
原文给这道过滤加了一层更硬的保证——发现要先被别的 agent 验证,才允许露给人类:
多条 agent 同时找 bug,另一组独立投票,够票才发布。纯风格、诊断、清理类发现直接丢。而且过滤器本身还对自己的 PR 做过 A/B 测试——降噪规则不是拍脑袋定的。
第三步 · 处理问题。 留下来的问题分三类:
| 标签 | 含义 | 处理 |
|---|---|---|
| 重要问题(Important) | 必须修 | 修掉 |
| 小问题(Nit) | 可选 | 修或说明理由 |
| 已有问题(Pre-existing) | 不是这次改动带来的,原来就有 | 修或说明理由,但不记在作者头上 |
不管是哪一类,每一条都必须回应——要么改掉,要么写明理由关掉。只要还有问题没处理,这个 PR 就不能继续往下走。
5.3 环节三:安全审核
安全审核是单独的一轮自动审核,专门检查代码里有没有安全问题。
规则和 AI 审核一样硬:它找到的问题只要还有一条没处理,PR 就不能合并。
原文对这块着墨不多,记住有这么一道关卡就行。补充一个实用细节:后续 commit 修好了,发现会自动关闭——不需要人工去点。
5.4 环节四:按风险审批
改一个文档里的错别字,和改计费相关的功能,风险显然不同,审批策略也不该一样。所以 Anthropic 按风险分成三档:
| 风险 | 例子 | 需要真人核准 |
|---|---|---|
| 低 | 改文档、改文案、只给内部员工用的功能、flag 后的加法型变更 | 0 人——前面的自动审查通过即可 |
| 中 | 普通产品改动;涉及缓存、自动更新器等敏感区 | 1 人 |
| 高 | 风险最高的代码,以及少数永远要两人的路径 | 2 人 |
表下面还有四条原文规则,比表本身更重要:
- 等级由变更决定,不由作者决定。 一个分类器读变更内容定档;第二个分类器再判断「即便档位说不用人,这一条是否仍需要另一个人」。
- 有些路径永远需要人:owner 标记为敏感的,以及任何 CI workflow 文件。
- 只有信任名单上的作者能走轻量路径。agent 的核准永远不能顶替真人的名额。
- 在 agent 写的 PR 上,下指令的人算一位必要审查者,和亲手敲代码同等责任。
- 核准只对某个具体 commit 有效。 之后落了系统无法担保的新 commit(agent 推送、有人手工解冲突的 merge),核准必须重给。
「核准绑定 commit」是整个设计里最容易被抄漏、后果也最直接的一条。多数团队的 approve 是 PR 级的,等于给了之后所有 commit 一张空白支票。
06 · 合并时:合并队列
这个阶段有两个东西要关注:
- 主分支(main / master)——大家都熟。
- 合并队列(merge queue)——准备合并的 PR 不会直接进主分支,而是先排队。
流程是这样:轮到某个 PR 时,系统把它和最新的主分支合在一起,再跑一遍测试。测试通过才真正合并。下一个 PR 也是一样,只不过这一次它合进去的主分支已经包含了上一个 PR。
它解决的是独立测试测不出来的问题:一个 PR 自己测没问题,但和最新的主分支合在一起就挂了——比如和别人刚合进去的改动撞了。合并队列把这些 PR 拦下来退回作者,从而保证主分支始终能正常运行。
07 · 合并后:开关、逐步上线、观察与回滚
代码进了主分支,还要安全地到达用户手里。这里有三件事。
7.1 设置功能开关
新功能代码虽然发出去了,但藏在一个功能开关后面。开关一开始只对 Anthropic 自己的员工打开,普通用户还用不了。
为什么先给内部?因为 Anthropic 员工每天都在大量使用 Claude Code。很多问题在普通用户碰到之前,就已经被他们发现并解决了。等功能真正到用户手里,已经是比较稳定的状态。
这是个被低估的免费金丝雀:内部的重度使用往往比外部用户更早撞到回归。
7.2 逐步上线
Claude Code 有两个发布渠道:
| 渠道 | 定位 |
|---|---|
latest | 最新版,先发这里,给喜欢尝鲜的用户 |
stable | 稳定版,落后一截 |
新版本先发 latest,过一段时间(一般一周左右),团队确认没有大问题,才推到 stable。
7.3 观察与回滚:尽快发现,尽快撤回
上线后出问题,两种处理方式:
- 关闭开关——大多数新功能带开关,可以直接远程关掉。这是最快的修复方案,不用部署。
- 重新发布——开关解决不了时,重新构建一个没有问题的版本发上去。
原文还有两个细节:每周 on-call 轮值;incident review 要问一个特定问题——「哪一层本来应该抓住它?」 这样事故就变成了流程的输入,而不是人的失误。
而且他们主动承认还缺一块:
目前没有断路器——revert / incident 数字上升时自动收紧核准。团队工程师希望先有这个东西,才把更多代码放到零真人合并。
还有一句很克制的判断:放慢确实能降低错误率,但那主要是因为什么都做得更少了。
08 · 流程小结:一个 bug 要闯多少关
四个阶段串起来:
| 阶段 | 关卡 |
|---|---|
| PR 前 | 让 AI 跑测试确认正常运行 → 全新 agent 检查代码质量 |
| PR 中 | CI(几十项)→ AI 审核 → 安全审核 → 按风险审批 |
| 合并时 | 合并队列在最新主分支上重测 |
| 合并后 | 功能开关(先内部)→ 逐步上线(latest → stable)→ 观察与回滚 |
假设一个改动里藏着一个 bug,看它要闯多少关才能跑到用户手里:
图里的编号对应上表:PR 前是 ①②(验证 + 新 agent 查代码),PR 中是 ③④⑤⑥(CI、AI 审核、安全审核、风险审批),合并时是 ⑦(合并队列重测),合并后是 ⑧⑨⑩(开关、逐步上线、观察回滚)。
走完这一圈会发现一件事:这些关卡里没有哪一道是绝对完美的。单看任何一步都可能漏掉问题,但把它们串在一起层层把关,一个 bug 想一路混到用户手里就非常难了。
而且注意:除了重要代码需要人审批,其他几乎都是机器和 AI 在自动完成。
看完全文,最能概括这套设计的一句话是:
他们设计这一整套流程,其实都是围绕同一个目标——在保证产品质量的前提下,尽量减少人的参与。
09 · 让审核者变准:三个优化方向
原文对审核流程的优化,可以归成三点:
- 找出真正的问题
- 少提没用的意见
- 审核要能正常结束
下面逐个看。这三点背后是一个共同的工程态度:每个优化点都要能被度量。
9.1 方向一:用线上事故做评测集
既然要找出真正的问题,最好的办法就是拿真正出过的问题来考它。
打分机制很朴素:
- 拿出案例里的 PR,过一遍 AI 审核
- 把 AI 找到的问题和案例里的真实问题对比
- 找到了得 1 分,没找到得 0 分
- 所有案例累加 = 基准分
然后对审核流程做调整(改提示词、换工具、换模型),用同一个评测集再打一次分。分数升了就留下改动,降了就回退。
这套机制的价值在于:有了可量化分数,用的又都是真实线上案例,就能一步一步稳定提升审核效果。而且评测集随每次事故增长——它是对已知失败模式的持续回归测试,不是一次性验收。
有个不能省的细节:案例要由熟悉那段代码的工程师逐条确认「bug 是什么、在哪一行」。靠机器自动生成的标准答案是垃圾。
9.2 方向二:量化无效意见
前面的评测只看「有没有抓到真问题」,至于它还报了多少别的问题,其实不怎么管。这就有个漏洞:报得越多越容易得分。报得越多,无效意见往往也越多,开发者就得一条条看,非常浪费时间。
所以还得知道:它提的意见里,哪些是没用的、占比多少。原文给了两种识别方法。
方法一:看作者怎么处理每条意见。 按 PR 作者的反应分四类:
| 作者反应 | 判定 |
|---|---|
| 作者改了 | ✅ 有用 |
| 作者说它错了 | ❌ 无效(误报) |
| 作者说它是故意这么写的 | ❌ 无效(缺上下文) |
| 作者觉得无所谓 | ❌ 无效(噪音 / nit 越界) |
一统计,就知道 AI 意见里有多少比例是无效的。
方法二:拿没有问题的 PR 去测。 挑一些确认没有问题的 PR 跑 AI 审核——这些 PR 本来就没问题,那审核提的意见基本全是无效的。再统计一个更硬的指标:它多大比例报出了「会导致有人做出有害修改」的东西。
有了这个数字,每次调整审核时就不光看评测分数有没有升,还要看无效意见有没有变少。
原文把优先级写下来了:先抓到真 bug,再减少审核轮数。顺序不能反。
还有一个只在 agent 时代才成立的观察:
噪音在作者是 agent 时代价更高。 人可以在几秒内挥手否掉一个 nit;agent 会去修它,于是多一个 commit、多一轮审核。
9.3 方向三:让审核能停下来
你可能会奇怪:审核怎么会结束不了?实际会——AI 审核和写代码的 AI 可以无限来回:
原因无非两种:要么审核流程本身有问题,每轮都能挑出新的毛病;要么写代码的 AI 有问题,怎么改都改不对。
Anthropic 的解法是控制审核轮数,四条规则:
规则一:超过三轮就停下来想思路
如果一个 PR 改了三轮还没通过,就提醒作者先停一停,不要再一点点改了,要想一想是不是整体思路有问题。
规则二:前几轮之后只看新改动的部分
这条最值得展开。
前几轮是「全量看」。PR 提交后,AI 审核会结合整个项目看这个 PR 会带来什么影响。假设 PR 改了一个函数,审核不仅看改动本身,还会看项目里哪些地方用到了这个函数、这些地方会不会受影响。这样很花时间,但查得非常全面,不容易疏漏。几轮都这么来。
几轮之后切换成「只看新 diff」。这时写代码的 AI 再改几行,审核只看这几行,不再整体重看,之前的改动也忽略掉。
为什么可以这样?因为不这么做就永远停不下来。 每一轮都从头看的话,几乎每一轮都能挑出「新」问题——但这些问题大多数并不是这次改出来的,而是第一轮就已经在那里了,只是因为看的范围大,每轮又多翻出几个。原文用 git blame 验证了这一点:
约 59% 是审核者第一轮就已在的旧代码。 它很少在找新 bug,只是每轮多挖出几个旧 bug。
这样会不会漏?基本不太会。 因为前几轮已经把 PR 的改动和影响范围看过好几遍,大部分问题都找出来了。
一句话总结:前几轮把改动和影响面都看一遍;后几轮只看新改的那几行。既不容易漏,审核也能停下来。
规则三:同类问题一次全部指出
同一类错误在代码里出现好几次,AI 审核不会只标一处,而是全部一次指出来。这样能一次改完,避免改完这处、下一轮又被挑出另一处。
规则四:不提重复意见
已经提过的,后面几轮不再重复提。不然同一条意见每轮出现一次,作者就得一遍遍回应。
效果
原文 FIG D 的数据:
| 指标 | 改造前 | 改造后 |
|---|---|---|
| 一轮(审核+修复)即通过的 PR | 65% | 78% |
| 需要 ≥5 轮的 PR | 8.9% | 1.5% |
| 平均通过轮数 | 2.08 | 1.32 |
一轮通过率从 65% 涨到 78%,需要五轮以上的从 8.9% 掉到 1.5%,平均轮数从 2.08 降到 1.32。
原文还有一句自我批评:「是我们自己搞坏的」——他们习惯了默认跑几轮,因为每轮总能抓到点新东西。这在高风险变更上值,在每个 PR 上都不值。
此外,审核 agent 还会每晚跑存量代码,在旧 bug 从别处冒出来之前先抓掉。
10 · 人留在哪里:五件事
既然整个流程都在减少人的参与,那人的时间和注意力如此宝贵,该花在哪里?原文列了五点。
10.1 判断哪些事该做
产品的方向、品味、功能的范围——这些机器判断不了,还得人决策。
原文补了一个很有说服力的例子:有个团队宣称审查瓶颈已解决,但仍然保留对外部团队变更的人工审查——因为总得有人问「我们真的该做这个吗」。
10.2 审核高风险代码
计费、自动更新、CI 配置——这些地方一旦出问题,影响非常大,必须有人亲自盯。
10.3 把关架构设计
架构一旦定下来,就像给后面的代码立了一个样板。以后不管是人还是 AI 写类似功能,都会照着它写。如果样板本身定错了,错误就会被照抄到一处又一处,很快蔓延开。
所以会被别人照着写的架构改动,必须由人来把关。
10.4 阅读相关的证据
以前审核,人要看每一行代码;现在主要看证据:测试的输出、运行的命令、返回的结果、产品的截图、AI 的发现。
人要做的判断是:这些证据够不够充分,然后据此决定下一步。
原文给了一条很锋利的判据:如果你说不出这些检查会漏什么,那就该要求一次真审查,而不是快速点通过。
10.5 为结果负责
代码是 AI 写的,但不管谁写的,一旦发布上线,必须有一个真人负责。AI 不能帮人背锅。
原文把这条展开成了团队规范 “You land it, you own it”——合并了小或中等的变更,出了问题通常由你修。它没变味成背锅文化,靠五个前提:
- 变更小,所以好审、好查、好回滚。
- 一切可逆。 flag、revert、分阶段发布能在几分钟内撤掉大部分错误。
- 爆炸半径决定门槛。 贵的代码配更多人、更多检查。
- 回归要快速浮现,靠 telemetry 与内部使用。
- 这不是追责。 拥有修复的人通常最了解上下文;incident review 看的是系统,不是人。
11 · 一个被忽略的问题:机器读完了,人怎么学代码?
这是原文最诚实的一段:他们没有正式流程。
团队里没有人脑子里装着完整的 Claude Code,我们也不觉得需要。
替代方案是按需生成:想理解某一块代码,就让 Claude 针对那一片写一篇 explainer,几分钟出结果,而且反映的是今天的代码。有人更进一步,让 Claude 生成一个小可视化 artifact,按自己习惯的学习方式讲那块代码。
对比很直接:
一行文案改动几乎教不了你任何东西;一个「你马上要改的那个模块」的 explainer 能教很多。
另外,团队大部分工作在公开频道里,任何人都能看到别人在做什么、接一条 thread,或者直接指一个 Claude 去补一个缺口。原文认为这是「不靠逐行设卡也能维持高质量」的重要原因。
12 · 什么时候该调头
agent 让「开始做」变得极便宜,所以有些工作本来就不该落地。处理方式很轻:通常有人在频道里问一句为什么、指一个早先的决定、或者提一条更简单的路线,作者就自己关了或者改造了 PR。
关键在于心理成本已经变了:代码写得快,关掉一个 PR 不觉得是损失。
真正需要纪律的是时机:
要在 thread 里尽早提出不同方向,而不是等 PR 做完了贴一条阻塞性评论。
13 · 三层检查之外:我的判断
视频结尾的判断我认同,但想补一层更硬的分析。
13.1 它真正改变的是「人和 AI 的分工线」
去年还在争论 AI 写代码到底靠不靠谱,今年这个声音小多了。写代码不再是瓶颈,真正头疼的变成了「怎么保证 AI 写出来的东西符合预期」。
而原文最核心的方向,就是重新划清人和 AI 的分工:
| 角色 | 负责什么 |
|---|---|
| AI | 大量执行:写代码、跑检查、找问题 |
| 人 | 关键决策:需求该不该做、用什么架构、出了问题谁负责 |
这和 OpenAI 那篇 Harness Engineering 里的一句话是同一个方向:
Humans steer. Agents execute. —— 人来掌舵,AI 来执行。
Anthropic 和 OpenAI 最后走的是同一条路。
所以回到开头那个问题——如何审核 AI 写的代码。表面上在问审核方法,往深了一层想,它真正想问的是:怎么把人有限的注意力用在最关键的地方。
13.2 能搬的,和不能照搬的
抛开 AI 语境,原文真正在讲的是风险分级 + 检查分层 + 闭环度量,这三件事在传统工程里也成立,只是 AI 把它逼到了台面上。
可以直接搬的(与团队规模无关):
- 同一个审查意见出现两次,就去改工具链。 大多数团队恰恰相反——反复在 review 里手写同样的评论。
- 核准绑定 commit。 用 approve 给整个 PR 背书,是绝大多数团队的隐性漏洞。
rounds-to-pass(通过轮数)作为指标。 多数团队只量「审了几轮」,不量「几轮才过」,于是把反复返工当成了正常。- 事故 → 评测集。 哪怕不用 AI 审核者,把历史事故整理成回归测试集,本身就是高回报动作。
需要谨慎搬的:
- 风险分级的具体阈值。 他们把「文档、文案、flag 后的加法变更」定为 0 人,前提是 flag 可靠、可秒关、内部先用。在机场 / BIM 这类交付场景里,「可秒关」这个前提经常不成立——模型交付文件一旦发出,回滚成本不是分钟级。这种场景下「加法变更」的类比不成立,分级门槛必须整体上移。
- 0 人核准。 这是全篇最激进的一条,也是他们自己承认还在试验的一条。没有断路器就别碰。
- 把「理解代码」外包给 explainer。 对短周期产品团队有效;对需要长期维护、责任边界清晰的工程交付团队,踩坑记忆的传递仍然需要人。
13.3 数据要打折看
必须说清三件事:
- 自报数据,没有对照组。 「PR 翻倍 + revert 降 40%」是团队自述结果,没有公开实验设计。它证明「在他们的条件下没变差」,不能证明「这套流程是原因」。
- 前提是重型基础设施。 merge queue、flag、分阶段发布、每周 on-call、专人整理的 incident 数据。缺这些就把核准降到 0 人,风险比他们高一个数量级。
- 所有细粒度数字都是单一团队的。 50 多轮、59%、16%→54%、65%→78%,换仓库必须自己量。
一句话取舍:抄骨架(分层、分级、闭环度量),别抄阈值(谁可以 0 人、什么算低风险)。前者是方法论,后者是他们基础设施的函数。
附:原文信息
| 项目 | 值 |
|---|---|
| 标题 | How the Claude Code team does code review |
| 作者 | Addy Osmani、Morgan Westlee Lunt、Qing Wang |
| 发布 | 2026-10-15,claude.dev Blog |
| 原文链接 | https://claude.dev/blog/solving-code-review-at-anthropic/ |
| 阅读时长 | 原文标注 14 分钟 |
| 相关 | Code Review 文档、Claude Code best practices、Redesigning source control |
风险提示:本文所有流程数字(90%、16%→54%、59%、50+ 轮、65%→78%、0/1/2 人)均来自 Anthropic 自述,未经独立审计,且高度依赖其内部基础设施。迁移到自有团队前,请先量自己的 revert 率与 incident 率作为基线,再决定是否放宽人工核准。