<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>工程效能 on 我的博客</title><link>https://blog.5616760.com/tags/%E5%B7%A5%E7%A8%8B%E6%95%88%E8%83%BD/</link><description>Recent content in 工程效能 on 我的博客</description><generator>Hugo -- gohugo.io</generator><language>zh</language><lastBuildDate>Mon, 26 Oct 2026 20:05:00 +0800</lastBuildDate><atom:link href="https://blog.5616760.com/tags/%E5%B7%A5%E7%A8%8B%E6%95%88%E8%83%BD/index.xml" rel="self" type="application/rss+xml"/><item><title>Claude Code 团队怎么做 AI 代码审核：四阶段流程、七层关卡与「审查必须收敛」</title><link>https://blog.5616760.com/0062.html</link><pubDate>Mon, 26 Oct 2026 20:05:00 +0800</pubDate><guid>https://blog.5616760.com/0062.html</guid><description>&#10; &lt;blockquote&gt;&#10; &lt;p&gt;&lt;strong&gt;一句话总结&lt;/strong&gt;：原文是 Anthropic 团队 2026-10-15 发布的 &lt;a class="link" href="https://claude.dev/blog/solving-code-review-at-anthropic/" target="_blank" rel="noopener"&#10; &gt;How the Claude Code team does code review&lt;/a&gt;，作者 Addy Osmani、Morgan Westlee Lunt、Qing Wang。核心结论：&lt;strong&gt;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」&lt;/strong&gt;。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。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;&lt;img alt="Claude Code 团队怎么做 Code Review" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://blog.5616760.com/img/0062-001.png"&gt;&lt;/p&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="01--问题两个极端都不行"&gt;01 · 问题：两个极端都不行&#10;&lt;/h2&gt;&lt;p&gt;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：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;做法&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;问题&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;逐行看&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;AI 分分钟写出几千行，全看完要耗费大量时间&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;完全不看&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;不放心，不知道 AI 写的是不是跟你想的一样&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;只看「重要部分」&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;听起来中庸，但&lt;strong&gt;谁知道哪部分重要&lt;/strong&gt;？问题恰恰常出在看起来不起眼的地方&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;所以先看数字。Anthropic 自己披露：&lt;strong&gt;Claude 写了 Claude Code 约 90% 的代码&lt;/strong&gt;。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？&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;指标&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;数值&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;口径&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;Claude 写的代码占比&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;约 &lt;strong&gt;90%&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;Anthropic 自述&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;合并 PR 数（6 月 → 9 月）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;增加一倍以上&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;Claude Code 仓库&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;被 revert 比例（同期）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;下降超过 40%&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;同上&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;Anthropic monorepo 日均变更&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;2,500（5 月）→ 30,000+（9 月）&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;全公司&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;内部 PR 收到实质审查意见比例&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;16% → 54%&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;Code Review 研究预览上线后&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;单个 CLI PR 一夜审核轮数&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;50+ 轮&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;反面案例，被作者手动叫停&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;重复告警中「首轮就已存在」的代码占比&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;约 59%&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;对反复被标记的代码做 git blame&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;一轮即通过的 PR 比例&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;65% → 78%&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;收敛改造前后（原文 FIG D）&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;需要 ≥5 轮的 PR 比例&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;8.9% → 1.5%&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;同上&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;平均通过轮数&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;2.08 → 1.32&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;同上&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;两点必须说清楚：&lt;/p&gt;&#10;&lt;ol&gt;&#10;&lt;li&gt;&lt;strong&gt;这是自报数据，没有对照组。&lt;/strong&gt; 「PR 翻倍、revert 降 40%」不能直接推导为「这套流程是原因」。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;前提是重型基础设施。&lt;/strong&gt; 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。&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;p&gt;另外要注意：文章标题讲的是代码审核，但实际介绍的&lt;strong&gt;远不止审核&lt;/strong&gt;。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。&lt;/p&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="02--先回顾传统流程长什么样"&gt;02 · 先回顾：传统流程长什么样&#10;&lt;/h2&gt;&lt;p&gt;一段代码上线的常规路径：&lt;/p&gt;&#10;&lt;pre class="mermaid" style="visibility:hidden"&gt;flowchart TD&#10; A["写代码"] --&gt; B["提交 PR&lt;br/&gt;（合入 main 的申请）"]&#10; B --&gt; C["自动检查：跑测试"]&#10; B --&gt; D["人工审核：同事看代码"]&#10; C --&gt; E["合入主分支"]&#10; D --&gt; E&#10; E --&gt; F["发布"]&#10; F --&gt; G["用户真正用到"]&#10;&#10; style A fill:#2C3E50,stroke:#2C3E50,color:#fff&#10; style B fill:#56798A,stroke:#56798A,color:#fff&#10; style E fill:#3F6F5A,stroke:#3F6F5A,color:#fff&#10; style G fill:#E86A33,stroke:#E86A33,color:#fff&lt;/pre&gt;&lt;p&gt;按这道时序，整条链路可以切成&lt;strong&gt;四个阶段&lt;/strong&gt;：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;阶段&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;范围&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;PR 前&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;提交 PR 之前&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;PR 中&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;提交 PR 之后 → 合并之前&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;合并时&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;合并动作发生的那一刻&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;合并后&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;合并完成之后&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;&lt;strong&gt;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&lt;/strong&gt;——为了适应 AI 写代码的现状。下面就按这四段走。&lt;/p&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="03--pr-前一先让-ai-能自己证明跑起来了"&gt;03 · PR 前（一）：先让 AI 能自己证明「跑起来了」&#10;&lt;/h2&gt;&lt;p&gt;PR 前的第一个动作不是审代码，而是&lt;strong&gt;确保产品能正常运行&lt;/strong&gt;。这部分直接交给 AI，但有个前提：&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;&lt;strong&gt;既然交给 AI，就必须给 AI 验证的手段。&lt;/strong&gt;&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;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。&lt;/p&gt;&#10;&lt;p&gt;这一步的唯一重点：&lt;strong&gt;让 AI 具备验证产品效果的能力&lt;/strong&gt;。没有可执行的验证手段，AI 说的「完成了」没有信息量。&lt;/p&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="04--pr-前二检查代码质量但必须换一个新-agent"&gt;04 · PR 前（二）：检查代码质量，但必须换一个新 agent&#10;&lt;/h2&gt;&lt;p&gt;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&lt;strong&gt;用哪个 AI 是关键&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;h3 id="41-直觉做法为什么不行"&gt;4.1 直觉做法为什么不行&#10;&lt;/h3&gt;&lt;p&gt;最容易想到的方案：&lt;strong&gt;让原来那个写代码的 agent 自己检查&lt;/strong&gt;。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。&lt;/p&gt;&#10;&lt;p&gt;实际跑下来会发现它&lt;strong&gt;遗漏很多问题&lt;/strong&gt;。原因很直白：&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;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。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;&lt;strong&gt;它不是不认真，是被自己的上下文锁死了。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;pre class="mermaid" style="visibility:hidden"&gt;flowchart TD&#10; P["写完代码"] --&gt; Q{"谁来检查？"}&#10; Q --&gt;|"同一 agent 自查"| B1["顺着原思路走"]&#10; B1 --&gt; B2["以为自己写对了&lt;br/&gt;问题查不出来"]&#10; Q --&gt;|"换全新 agent"| G1["只传目标 + 代码改动&lt;br/&gt;上下文干净"]&#10; G1 --&gt; G2["不知道当初怎么想的&lt;br/&gt;只能客观判断是否达成目标"]&#10;&#10; style P fill:#2C3E50,stroke:#2C3E50,color:#fff&#10; style Q fill:#56798A,stroke:#56798A,color:#fff&#10; style B2 fill:#8B3A2E,stroke:#8B3A2E,color:#fff&#10; style B1 fill:#5A5A5A,stroke:#5A5A5A,color:#fff&#10; style G1 fill:#E86A33,stroke:#E86A33,color:#fff&#10; style G2 fill:#3F6F5A,stroke:#3F6F5A,color:#fff&lt;/pre&gt;&lt;h3 id="42-anthropic-的做法"&gt;4.2 Anthropic 的做法&#10;&lt;/h3&gt;&lt;p&gt;&lt;strong&gt;新建一个全新的 AI agent，只把「目标」和「相关代码改动」发给它&lt;/strong&gt;，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。&lt;/p&gt;&#10;&lt;p&gt;好处在于这个 agent 有全新上下文，&lt;strong&gt;不知道写代码时发生了什么&lt;/strong&gt;。听起来像缺陷，&lt;strong&gt;恰恰是这个「缺陷」让它保持客观&lt;/strong&gt;，不容易遗漏问题。&lt;/p&gt;&#10;&lt;h3 id="43-同一个思路在原文里还有两层延伸"&gt;4.3 同一个思路，在原文里还有两层延伸&#10;&lt;/h3&gt;&lt;p&gt;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：&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;第一，验证和复查是两个动作，都要落到流程里。&lt;/strong&gt; 给 Claude 能跑的东西，并要求它&lt;strong&gt;贴出输出&lt;/strong&gt;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 &lt;strong&gt;2–3 倍&lt;/strong&gt;：&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;&amp;ldquo;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.&amp;rdquo;&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;&lt;strong&gt;第二，同一个问题被反复指出，就去改源头。&lt;/strong&gt; 不是继续在 PR 里吵，而是改 skill、加 lint 规则，或更新两份文件：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;文件&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;谁写&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;管什么&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;好版本的标志&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;code&gt;CLAUDE.md&lt;/code&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;团队&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;项目是什么：技术栈、约定、目标与非目标&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;短&lt;/strong&gt;，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&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;code&gt;REVIEW.md&lt;/code&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;code owner&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;我负责的这块，审核者该在乎什么&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;写清本仓库「失败长什么样」、&lt;strong&gt;给 nit 设上限&lt;/strong&gt;、列出要跳过的路径、要求用&lt;strong&gt;文件+行号&lt;/strong&gt;当证据&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;「失败长什么样」的举例是全篇最实用的细节之一：&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;文档仓库的 failure 是 &lt;strong&gt;&amp;ldquo;it lies&amp;rdquo;&lt;/strong&gt;，配置仓库的 failure 是 &lt;strong&gt;&amp;ldquo;it misroutes&amp;rdquo;&lt;/strong&gt;。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;他们还会&lt;strong&gt;单独检查审核者是否真的遵守了 &lt;code&gt;REVIEW.md&lt;/code&gt;&lt;/strong&gt;——写了不等于执行了。&lt;/p&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="05--pr-中四个环节前三关是机器"&gt;05 · PR 中：四个环节，前三关是机器&#10;&lt;/h2&gt;&lt;p&gt;提交 PR 后，一个 PR 要&lt;strong&gt;依次经过&lt;/strong&gt;四个环节：&lt;/p&gt;&#10;&lt;pre class="mermaid" style="visibility:hidden"&gt;flowchart TD&#10; A["CI：自动检查"] --&gt; B["AI 审核：发现 · 筛选 · 处理"]&#10; B --&gt; C["安全审核：独立一轮，可挡合并"]&#10; C --&gt; D["按风险审批：0 / 1 / 2 人"]&#10; D --&gt; E["可以合并"]&#10;&#10; style A fill:#2C3E50,stroke:#2C3E50,color:#fff&#10; style B fill:#E86A33,stroke:#E86A33,color:#fff&#10; style C fill:#8B3A2E,stroke:#8B3A2E,color:#fff&#10; style D fill:#3F6F5A,stroke:#3F6F5A,color:#fff&#10; style E fill:#1F2A36,stroke:#56798A,color:#fff&lt;/pre&gt;&lt;p&gt;&lt;strong&gt;前三个环节是机器检查，只有最后一个是人。&lt;/strong&gt; 下面逐个看。&lt;/p&gt;&#10;&lt;h3 id="51-环节一ci"&gt;5.1 环节一：CI&#10;&lt;/h3&gt;&lt;p&gt;CI 是每次提交代码后自动运行的一整套检查：&lt;/p&gt;&#10;&lt;ul&gt;&#10;&lt;li&gt;&lt;strong&gt;Lint&lt;/strong&gt; 检查&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;类型&lt;/strong&gt;检查&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;多平台测试&lt;/strong&gt;&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;尝试构建&lt;/strong&gt;项目&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&lt;p&gt;这只是举例。判断标准只有一条：&lt;strong&gt;那些不需要 AI、而且能自动跑的检查，都可以放进 CI&lt;/strong&gt;。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&lt;strong&gt;几十个检查&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;p&gt;PR 模板还会强制回答两个问题：&lt;strong&gt;这个变更怎么测的&lt;/strong&gt;、&lt;strong&gt;怎么还原&lt;/strong&gt;。Claude 可以代填，但&lt;strong&gt;发起这个变更的人签收&lt;/strong&gt;——代填不等于代责。&lt;/p&gt;&#10;&lt;h3 id="52-环节二ai-审核三个步骤"&gt;5.2 环节二：AI 审核，三个步骤&#10;&lt;/h3&gt;&lt;p&gt;AI 审核可以拆成&lt;strong&gt;发现问题 → 筛选问题 → 处理问题&lt;/strong&gt;三步。&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;第一步 · 发现问题。&lt;/strong&gt; 从三个角度查，这样覆盖比较全面：&lt;/p&gt;&#10;&lt;pre class="mermaid" style="visibility:hidden"&gt;flowchart TD&#10; V["AI 审核的提问&lt;br/&gt;结合全仓库 + PR 意图"] --&gt; Q1["① 达到目标了吗"]&#10; V --&gt; Q2["② 跟系统合得来吗"]&#10; V --&gt; Q3["③ 会影响别处吗"]&#10; Q1 --&gt; R["汇总发现&lt;br/&gt;bug fix 额外查根因"]&#10; Q2 --&gt; R&#10; Q3 --&gt; R&#10;&#10; style V fill:#56798A,stroke:#56798A,color:#fff&#10; style R fill:#E86A33,stroke:#E86A33,color:#fff&lt;/pre&gt;&lt;p&gt;&lt;strong&gt;第二步 · 筛选问题。&lt;/strong&gt; 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。&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;机制值得注意&lt;/strong&gt;：如果大部分开发者都觉得无所谓、不需要改，那就把这些&lt;strong&gt;写成筛选规则&lt;/strong&gt;，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。&lt;/p&gt;&#10;&lt;p&gt;原文给这道过滤加了一层更硬的保证——&lt;strong&gt;发现要先被别的 agent 验证，才允许露给人类&lt;/strong&gt;：&lt;/p&gt;&#10;&lt;pre class="mermaid" style="visibility:hidden"&gt;flowchart TD&#10; D["PR diff"] --&gt; F["多个 agent 同时找 bug&lt;br/&gt;A / B / C 各自独立"]&#10; F --&gt; V["独立投票组&lt;br/&gt;逐条判定真假&lt;br/&gt;纯风格、诊断、清理直接丢"]&#10; V --&gt;|"票数够"| P["按严重度排成 inline comment&lt;br/&gt;Important / Nit / Pre-existing"]&#10; V --&gt;|"票数不够"| X["丢弃"]&#10; P --&gt; R["每条必须回应&lt;br/&gt;修掉或附理由关闭"]&#10;&#10; style D fill:#2C3E50,stroke:#2C3E50,color:#fff&#10; style V fill:#E86A33,stroke:#E86A33,color:#fff&#10; style P fill:#3F6F5A,stroke:#3F6F5A,color:#fff&#10; style X fill:#5A5A5A,stroke:#5A5A5A,color:#fff&#10; style R fill:#56798A,stroke:#56798A,color:#fff&lt;/pre&gt;&lt;p&gt;多条 agent 同时找 bug，另一组独立投票，&lt;strong&gt;够票才发布&lt;/strong&gt;。纯风格、诊断、清理类发现直接丢。而且&lt;strong&gt;过滤器本身还对自己的 PR 做过 A/B 测试&lt;/strong&gt;——降噪规则不是拍脑袋定的。&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;第三步 · 处理问题。&lt;/strong&gt; 留下来的问题分三类：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;标签&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;含义&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;处理&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;重要问题&lt;/strong&gt;（Important）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;必须修&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;修掉&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;小问题&lt;/strong&gt;（Nit）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;可选&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;修或说明理由&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;已有问题&lt;/strong&gt;（Pre-existing）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;不是这次改动带来的，原来就有&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;修或说明理由，但不记在作者头上&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;&lt;strong&gt;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。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;h3 id="53-环节三安全审核"&gt;5.3 环节三：安全审核&#10;&lt;/h3&gt;&lt;p&gt;安全审核是&lt;strong&gt;单独的一轮自动审核&lt;/strong&gt;，专门检查代码里有没有安全问题。&lt;/p&gt;&#10;&lt;p&gt;规则和 AI 审核一样硬：&lt;strong&gt;它找到的问题只要还有一条没处理，PR 就不能合并&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;p&gt;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：&lt;strong&gt;后续 commit 修好了，发现会自动关闭&lt;/strong&gt;——不需要人工去点。&lt;/p&gt;&#10;&lt;h3 id="54-环节四按风险审批"&gt;5.4 环节四：按风险审批&#10;&lt;/h3&gt;&lt;p&gt;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&lt;strong&gt;三档&lt;/strong&gt;：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;风险&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;例子&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;需要真人核准&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;低&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;改文档、改文案、只给内部员工用的功能、&lt;strong&gt;flag 后的加法型变更&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;0 人&lt;/strong&gt;——前面的自动审查通过即可&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;中&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;普通产品改动；涉及缓存、自动更新器等敏感区&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;1 人&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;高&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;风险最高的代码，以及少数永远要两人的路径&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;2 人&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;表下面还有四条原文规则，比表本身更重要：&lt;/p&gt;&#10;&lt;ul&gt;&#10;&lt;li&gt;&lt;strong&gt;等级由变更决定，不由作者决定。&lt;/strong&gt; 一个分类器读变更内容定档；&lt;strong&gt;第二个分类器&lt;/strong&gt;再判断「即便档位说不用人，这一条是否仍需要另一个人」。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;有些路径永远需要人&lt;/strong&gt;：owner 标记为敏感的，以及&lt;strong&gt;任何 CI workflow 文件&lt;/strong&gt;。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;只有信任名单上的作者&lt;/strong&gt;能走轻量路径。&lt;strong&gt;agent 的核准永远不能顶替真人的名额&lt;/strong&gt;。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;在 agent 写的 PR 上，下指令的人算一位必要审查者&lt;/strong&gt;，和亲手敲代码同等责任。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;核准只对某个具体 commit 有效。&lt;/strong&gt; 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），&lt;strong&gt;核准必须重给&lt;/strong&gt;。&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;「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。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="06--合并时合并队列"&gt;06 · 合并时：合并队列&#10;&lt;/h2&gt;&lt;p&gt;这个阶段有两个东西要关注：&lt;/p&gt;&#10;&lt;ol&gt;&#10;&lt;li&gt;&lt;strong&gt;主分支&lt;/strong&gt;（main / master）——大家都熟。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;合并队列&lt;/strong&gt;（merge queue）——准备合并的 PR 不会直接进主分支，而是先排队。&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;p&gt;流程是这样：轮到某个 PR 时，系统把它&lt;strong&gt;和最新的主分支合在一起，再跑一遍测试&lt;/strong&gt;。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&lt;strong&gt;已经包含了上一个 PR&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;pre class="mermaid" style="visibility:hidden"&gt;flowchart TD&#10; Q["PR 进入合并队列"] --&gt; M1["与最新 main 合并，&lt;br/&gt;重跑全部检查"]&#10; M1 --&gt;|失败| RJ["退回作者"]&#10; M1 --&gt;|通过| OK["合入 main"]&#10; OK --&gt; M2["下一个 PR，与已含上一个 PR 的 main 合并"]&#10; M2 --&gt; OK2["合入"]&#10;&#10; style Q fill:#2C3E50,stroke:#2C3E50,color:#fff&#10; style M1 fill:#E86A33,stroke:#E86A33,color:#fff&#10; style OK fill:#3F6F5A,stroke:#3F6F5A,color:#fff&#10; style OK2 fill:#3F6F5A,stroke:#3F6F5A,color:#fff&#10; style RJ fill:#8B3A2E,stroke:#8B3A2E,color:#fff&lt;/pre&gt;&lt;p&gt;&lt;strong&gt;它解决的是独立测试测不出来的问题&lt;/strong&gt;：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 &lt;strong&gt;拦下来退回作者&lt;/strong&gt;，从而保证主分支始终能正常运行。&lt;/p&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="07--合并后开关逐步上线观察与回滚"&gt;07 · 合并后：开关、逐步上线、观察与回滚&#10;&lt;/h2&gt;&lt;p&gt;代码进了主分支，还要安全地到达用户手里。这里有三件事。&lt;/p&gt;&#10;&lt;h3 id="71-设置功能开关"&gt;7.1 设置功能开关&#10;&lt;/h3&gt;&lt;p&gt;新功能代码虽然发出去了，但&lt;strong&gt;藏在一个功能开关后面&lt;/strong&gt;。开关一开始&lt;strong&gt;只对 Anthropic 自己的员工打开&lt;/strong&gt;，普通用户还用不了。&lt;/p&gt;&#10;&lt;p&gt;为什么先给内部？因为 &lt;strong&gt;Anthropic 员工每天都在大量使用 Claude Code&lt;/strong&gt;。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。&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;这是个被低估的免费金丝雀：&lt;strong&gt;内部的重度使用往往比外部用户更早撞到回归。&lt;/strong&gt;&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;h3 id="72-逐步上线"&gt;7.2 逐步上线&#10;&lt;/h3&gt;&lt;p&gt;Claude Code 有两个发布渠道：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;渠道&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;定位&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;code&gt;latest&lt;/code&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;最新版，先发这里，给喜欢尝鲜的用户&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;code&gt;stable&lt;/code&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;稳定版，&lt;strong&gt;落后一截&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;新版本先发 &lt;code&gt;latest&lt;/code&gt;，过一段时间（一般&lt;strong&gt;一周左右&lt;/strong&gt;），团队确认没有大问题，才推到 &lt;code&gt;stable&lt;/code&gt;。&lt;/p&gt;&#10;&lt;h3 id="73-观察与回滚尽快发现尽快撤回"&gt;7.3 观察与回滚：尽快发现，尽快撤回&#10;&lt;/h3&gt;&lt;p&gt;上线后出问题，两种处理方式：&lt;/p&gt;&#10;&lt;ol&gt;&#10;&lt;li&gt;&lt;strong&gt;关闭开关&lt;/strong&gt;——大多数新功能带开关，可以直接远程关掉。&lt;strong&gt;这是最快的修复方案，不用部署。&lt;/strong&gt;&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;重新发布&lt;/strong&gt;——开关解决不了时，重新构建一个没有问题的版本发上去。&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;p&gt;原文还有两个细节：&lt;strong&gt;每周 on-call 轮值&lt;/strong&gt;；&lt;strong&gt;incident review 要问一个特定问题——「哪一层本来应该抓住它？」&lt;/strong&gt; 这样事故就变成了流程的输入，而不是人的失误。&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;而且他们主动承认还缺一块：&lt;/strong&gt;&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;目前&lt;strong&gt;没有断路器&lt;/strong&gt;——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。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;还有一句很克制的判断：&lt;strong&gt;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&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="08--流程小结一个-bug-要闯多少关"&gt;08 · 流程小结：一个 bug 要闯多少关&#10;&lt;/h2&gt;&lt;p&gt;四个阶段串起来：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;阶段&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;关卡&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;PR 前&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;让 AI 跑测试确认正常运行 → 全新 agent 检查代码质量&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;PR 中&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;CI（几十项）→ AI 审核 → 安全审核 → 按风险审批&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;合并时&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;合并队列在最新主分支上重测&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;合并后&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;功能开关（先内部）→ 逐步上线（latest → stable）→ 观察与回滚&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;&lt;strong&gt;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：&lt;/strong&gt;&lt;/p&gt;&#10;&lt;pre class="mermaid" style="visibility:hidden"&gt;flowchart TD&#10; S["一个 bug"] --&gt; A["PR 前&lt;br/&gt;①②"]&#10; A --&gt; B["PR 中&lt;br/&gt;③④⑤⑥"]&#10; B --&gt; C["合并时&lt;br/&gt;⑦"]&#10; C --&gt; D["合并后&lt;br/&gt;⑧⑨⑩"]&#10; D --&gt; U["用户"]&#10;&#10; style S fill:#8B3A2E,stroke:#8B3A2E,color:#fff&#10; style A fill:#2C3E50,stroke:#2C3E50,color:#fff&#10; style B fill:#E86A33,stroke:#E86A33,color:#fff&#10; style C fill:#56798A,stroke:#56798A,color:#fff&#10; style D fill:#3F6F5A,stroke:#3F6F5A,color:#fff&#10; style U fill:#1F2A36,stroke:#56798A,color:#fff&lt;/pre&gt;&lt;p&gt;图里的编号对应上表：&lt;strong&gt;PR 前&lt;/strong&gt;是 ①②（验证 + 新 agent 查代码），&lt;strong&gt;PR 中&lt;/strong&gt;是 ③④⑤⑥（CI、AI 审核、安全审核、风险审批），&lt;strong&gt;合并时&lt;/strong&gt;是 ⑦（合并队列重测），&lt;strong&gt;合并后&lt;/strong&gt;是 ⑧⑨⑩（开关、逐步上线、观察回滚）。&lt;/p&gt;&#10;&lt;p&gt;走完这一圈会发现一件事：&lt;strong&gt;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。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;p&gt;而且注意：&lt;strong&gt;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。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;p&gt;看完全文，最能概括这套设计的一句话是：&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;他们设计这一整套流程，其实都是围绕同一个目标——&lt;strong&gt;在保证产品质量的前提下，尽量减少人的参与。&lt;/strong&gt;&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="09--让审核者变准三个优化方向"&gt;09 · 让审核者变准：三个优化方向&#10;&lt;/h2&gt;&lt;p&gt;原文对审核流程的优化，可以归成三点：&lt;/p&gt;&#10;&lt;ol&gt;&#10;&lt;li&gt;&lt;strong&gt;找出真正的问题&lt;/strong&gt;&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;少提没用的意见&lt;/strong&gt;&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;审核要能正常结束&lt;/strong&gt;&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;p&gt;下面逐个看。这三点背后是一个共同的工程态度：&lt;strong&gt;每个优化点都要能被度量&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;h3 id="91-方向一用线上事故做评测集"&gt;9.1 方向一：用线上事故做评测集&#10;&lt;/h3&gt;&lt;p&gt;既然要找出真正的问题，最好的办法就是&lt;strong&gt;拿真正出过的问题来考它&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;pre class="mermaid" style="visibility:hidden"&gt;flowchart TD&#10; I["一次线上事故&lt;br/&gt;或一次 revert"] --&gt; C["整理成案例&lt;br/&gt;① 出了什么问题&lt;br/&gt;② 哪个 PR 引入的"]&#10; C --&gt; E["进入评测集&lt;br/&gt;（工程师逐条确认 bug 位置）"]&#10; E --&gt; S["给当前审核流程打分"]&#10; S --&gt; M["改提示词 / 换工具 / 换模型"]&#10; M --&gt; S2["同一评测集重打分"]&#10; S2 --&gt;|分数升保留| E&#10; S2 --&gt;|分数降回退| E&#10;&#10; style I fill:#8B3A2E,stroke:#8B3A2E,color:#fff&#10; style S fill:#2C3E50,stroke:#2C3E50,color:#fff&#10; style S2 fill:#E86A33,stroke:#E86A33,color:#fff&#10; style E fill:#3F6F5A,stroke:#3F6F5A,color:#fff&lt;/pre&gt;&lt;p&gt;打分机制很朴素：&lt;/p&gt;&#10;&lt;ul&gt;&#10;&lt;li&gt;拿出案例里的 PR，过一遍 AI 审核&lt;/li&gt;&#10;&lt;li&gt;把 AI 找到的问题和案例里的&lt;strong&gt;真实问题&lt;/strong&gt;对比&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;找到了得 1 分，没找到得 0 分&lt;/strong&gt;&lt;/li&gt;&#10;&lt;li&gt;所有案例累加 = &lt;strong&gt;基准分&lt;/strong&gt;&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&lt;p&gt;然后对审核流程做调整（改提示词、换工具、换模型），用&lt;strong&gt;同一个评测集&lt;/strong&gt;再打一次分。分数升了就留下改动，降了就回退。&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;这套机制的价值在于&lt;/strong&gt;：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&lt;strong&gt;随每次事故增长&lt;/strong&gt;——它是对已知失败模式的持续回归测试，不是一次性验收。&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;有个不能省的细节：&lt;strong&gt;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」&lt;/strong&gt;。靠机器自动生成的标准答案是垃圾。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;h3 id="92-方向二量化无效意见"&gt;9.2 方向二：量化无效意见&#10;&lt;/h3&gt;&lt;p&gt;前面的评测只看「有没有抓到真问题」，&lt;strong&gt;至于它还报了多少别的问题，其实不怎么管&lt;/strong&gt;。这就有个漏洞：&lt;strong&gt;报得越多越容易得分&lt;/strong&gt;。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。&lt;/p&gt;&#10;&lt;p&gt;所以还得知道：&lt;strong&gt;它提的意见里，哪些是没用的、占比多少&lt;/strong&gt;。原文给了两种识别方法。&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;方法一：看作者怎么处理每条意见。&lt;/strong&gt; 按 PR 作者的反应分四类：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;作者反应&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;判定&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;作者改了&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;✅ 有用&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;作者说它错了&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;❌ 无效（误报）&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;作者说它是故意这么写的&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;❌ 无效（缺上下文）&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;作者觉得无所谓&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;❌ 无效（噪音 / nit 越界）&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;一统计，就知道 AI 意见里有多少比例是无效的。&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;方法二：拿没有问题的 PR 去测。&lt;/strong&gt; 挑一些&lt;strong&gt;确认没有问题&lt;/strong&gt;的 PR 跑 AI 审核——这些 PR 本来就没问题，那审核提的意见&lt;strong&gt;基本全是无效的&lt;/strong&gt;。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。&lt;/p&gt;&#10;&lt;p&gt;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，&lt;strong&gt;还要看无效意见有没有变少&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;p&gt;原文把优先级写下来了：&lt;strong&gt;先抓到真 bug，再减少审核轮数。顺序不能反。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;p&gt;还有一个只在 agent 时代才成立的观察：&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;&lt;strong&gt;噪音在作者是 agent 时代价更高。&lt;/strong&gt; 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。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;h3 id="93-方向三让审核能停下来"&gt;9.3 方向三：让审核能停下来&#10;&lt;/h3&gt;&lt;p&gt;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&lt;strong&gt;无限来回&lt;/strong&gt;：&lt;/p&gt;&#10;&lt;pre class="mermaid" style="visibility:hidden"&gt;sequenceDiagram&#10; participant R as AI 审核&#10; participant W as 写代码的 AI&#10; R-&gt;&gt;W: 第 1 轮：提出意见&#10; W-&gt;&gt;R: 改完，交回&#10; R-&gt;&gt;W: 第 2 轮：又发现新意见&#10; W-&gt;&gt;R: 又改一遍，交回&#10; R-&gt;&gt;W: 第 3 轮：还有新意见&#10; W-&gt;&gt;R: 继续改…&#10; Note over R,W: 一个 PR 一晚上来回改了 50 多轮&lt;/pre&gt;&lt;p&gt;原因无非两种：&lt;strong&gt;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。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;p&gt;Anthropic 的解法是&lt;strong&gt;控制审核轮数&lt;/strong&gt;，四条规则：&lt;/p&gt;&#10;&lt;h4 id="规则一超过三轮就停下来想思路"&gt;规则一：超过三轮就停下来想思路&#10;&lt;/h4&gt;&lt;p&gt;如果一个 PR 改了三轮还没通过，就提醒作者&lt;strong&gt;先停一停，不要再一点点改了&lt;/strong&gt;，要想一想是不是&lt;strong&gt;整体思路有问题&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;h4 id="规则二前几轮之后只看新改动的部分"&gt;规则二：前几轮之后只看新改动的部分&#10;&lt;/h4&gt;&lt;p&gt;这条最值得展开。&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;前几轮是「全量看」&lt;/strong&gt;。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&lt;strong&gt;项目里哪些地方用到了这个函数、这些地方会不会受影响&lt;/strong&gt;。这样很花时间，但查得非常全面，不容易疏漏。几轮都这么来。&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;几轮之后切换成「只看新 diff」&lt;/strong&gt;。这时写代码的 AI 再改几行，审核&lt;strong&gt;只看这几行&lt;/strong&gt;，不再整体重看，之前的改动也忽略掉。&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;为什么可以这样？因为不这么做就永远停不下来。&lt;/strong&gt; 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&lt;strong&gt;并不是这次改出来的，而是第一轮就已经在那里了&lt;/strong&gt;，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：&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;&lt;strong&gt;约 59% 是审核者第一轮就已在的旧代码。&lt;/strong&gt; 它很少在找新 bug，只是每轮多挖出几个旧 bug。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;&lt;strong&gt;这样会不会漏？基本不太会。&lt;/strong&gt; 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。&lt;/p&gt;&#10;&lt;p&gt;一句话总结：&lt;strong&gt;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。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;h4 id="规则三同类问题一次全部指出"&gt;规则三：同类问题一次全部指出&#10;&lt;/h4&gt;&lt;p&gt;同一类错误在代码里出现好几次，AI 审核&lt;strong&gt;不会只标一处&lt;/strong&gt;，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。&lt;/p&gt;&#10;&lt;h4 id="规则四不提重复意见"&gt;规则四：不提重复意见&#10;&lt;/h4&gt;&lt;p&gt;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。&lt;/p&gt;&#10;&lt;h4 id="效果"&gt;效果&#10;&lt;/h4&gt;&lt;p&gt;原文 FIG D 的数据：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;指标&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;改造前&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;改造后&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;一轮（审核+修复）即通过的 PR&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;65%&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;78%&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;需要 ≥5 轮的 PR&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;8.9%&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;1.5%&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;平均通过轮数&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;2.08&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;1.32&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;&lt;strong&gt;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。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;p&gt;原文还有一句自我批评：&lt;strong&gt;「是我们自己搞坏的」&lt;/strong&gt;——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，&lt;strong&gt;在每个 PR 上都不值&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;p&gt;此外，&lt;strong&gt;审核 agent 还会每晚跑存量代码&lt;/strong&gt;，在旧 bug 从别处冒出来之前先抓掉。&lt;/p&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="10--人留在哪里五件事"&gt;10 · 人留在哪里：五件事&#10;&lt;/h2&gt;&lt;p&gt;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，&lt;strong&gt;该花在哪里&lt;/strong&gt;？原文列了五点。&lt;/p&gt;&#10;&lt;h3 id="101-判断哪些事该做"&gt;10.1 判断哪些事该做&#10;&lt;/h3&gt;&lt;p&gt;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。&lt;/p&gt;&#10;&lt;p&gt;原文补了一个很有说服力的例子：&lt;strong&gt;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&lt;/strong&gt;——因为总得有人问「我们真的该做这个吗」。&lt;/p&gt;&#10;&lt;h3 id="102-审核高风险代码"&gt;10.2 审核高风险代码&#10;&lt;/h3&gt;&lt;p&gt;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。&lt;/p&gt;&#10;&lt;h3 id="103-把关架构设计"&gt;10.3 把关架构设计&#10;&lt;/h3&gt;&lt;p&gt;架构一旦定下来，就像给后面的代码&lt;strong&gt;立了一个样板&lt;/strong&gt;。以后不管是人还是 AI 写类似功能，都会照着它写。&lt;strong&gt;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。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;p&gt;所以&lt;strong&gt;会被别人照着写的架构改动，必须由人来把关&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;h3 id="104-阅读相关的证据"&gt;10.4 阅读相关的证据&#10;&lt;/h3&gt;&lt;p&gt;以前审核，人要看每一行代码；现在主要看&lt;strong&gt;证据&lt;/strong&gt;：测试的输出、运行的命令、返回的结果、产品的截图、AI 的发现。&lt;/p&gt;&#10;&lt;p&gt;人要做的判断是：&lt;strong&gt;这些证据够不够充分&lt;/strong&gt;，然后据此决定下一步。&lt;/p&gt;&#10;&lt;p&gt;原文给了一条很锋利的判据：&lt;strong&gt;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。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;h3 id="105-为结果负责"&gt;10.5 为结果负责&#10;&lt;/h3&gt;&lt;p&gt;代码是 AI 写的，但&lt;strong&gt;不管谁写的，一旦发布上线，必须有一个真人负责&lt;/strong&gt;。AI 不能帮人背锅。&lt;/p&gt;&#10;&lt;p&gt;原文把这条展开成了团队规范 &lt;strong&gt;&amp;ldquo;You land it, you own it&amp;rdquo;&lt;/strong&gt;——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：&lt;/p&gt;&#10;&lt;ul&gt;&#10;&lt;li&gt;&lt;strong&gt;变更小&lt;/strong&gt;，所以好审、好查、好回滚。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;一切可逆。&lt;/strong&gt; flag、revert、分阶段发布能在几分钟内撤掉大部分错误。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;爆炸半径决定门槛。&lt;/strong&gt; 贵的代码配更多人、更多检查。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;回归要快速浮现&lt;/strong&gt;，靠 telemetry 与内部使用。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;这不是追责。&lt;/strong&gt; 拥有修复的人通常最了解上下文；incident review 看的是系统，不是人。&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="11--一个被忽略的问题机器读完了人怎么学代码"&gt;11 · 一个被忽略的问题：机器读完了，人怎么学代码？&#10;&lt;/h2&gt;&lt;p&gt;这是原文最诚实的一段：&lt;strong&gt;他们没有正式流程。&lt;/strong&gt;&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;团队里没有人脑子里装着完整的 Claude Code，我们也不觉得需要。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;替代方案是按需生成：想理解某一块代码，就&lt;strong&gt;让 Claude 针对那一片写一篇 explainer&lt;/strong&gt;，几分钟出结果，而且&lt;strong&gt;反映的是今天的代码&lt;/strong&gt;。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。&lt;/p&gt;&#10;&lt;p&gt;对比很直接：&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;&lt;strong&gt;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。&lt;/strong&gt;&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;另外，团队大部分工作在&lt;strong&gt;公开频道&lt;/strong&gt;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。&lt;/p&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="12--什么时候该调头"&gt;12 · 什么时候该调头&#10;&lt;/h2&gt;&lt;p&gt;agent 让「开始做」变得极便宜，所以&lt;strong&gt;有些工作本来就不该落地&lt;/strong&gt;。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。&lt;/p&gt;&#10;&lt;p&gt;关键在于&lt;strong&gt;心理成本已经变了&lt;/strong&gt;：代码写得快，关掉一个 PR &lt;strong&gt;不觉得是损失&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;p&gt;真正需要纪律的是时机：&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;&lt;strong&gt;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。&lt;/strong&gt;&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="13--三层检查之外我的判断"&gt;13 · 三层检查之外：我的判断&#10;&lt;/h2&gt;&lt;p&gt;视频结尾的判断我认同，但想补一层更硬的分析。&lt;/p&gt;&#10;&lt;h3 id="131-它真正改变的是人和-ai-的分工线"&gt;13.1 它真正改变的是「人和 AI 的分工线」&#10;&lt;/h3&gt;&lt;p&gt;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，&lt;strong&gt;真正头疼的变成了「怎么保证 AI 写出来的东西符合预期」&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;p&gt;而原文最核心的方向，就是&lt;strong&gt;重新划清人和 AI 的分工&lt;/strong&gt;：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;角色&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;负责什么&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;AI&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;大量执行：写代码、跑检查、找问题&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;人&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;关键决策：需求该不该做、用什么架构、出了问题谁负责&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;这和 OpenAI 那篇 Harness Engineering 里的一句话是同一个方向：&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;&lt;strong&gt;Humans steer. Agents execute.&lt;/strong&gt; —— 人来掌舵，AI 来执行。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;p&gt;Anthropic 和 OpenAI 最后走的是同一条路。&lt;/p&gt;&#10;&lt;p&gt;所以回到开头那个问题——&lt;strong&gt;如何审核 AI 写的代码&lt;/strong&gt;。表面上在问审核方法，往深了一层想，它真正想问的是：&lt;strong&gt;怎么把人有限的注意力用在最关键的地方&lt;/strong&gt;。&lt;/p&gt;&#10;&lt;h3 id="132-能搬的和不能照搬的"&gt;13.2 能搬的，和不能照搬的&#10;&lt;/h3&gt;&lt;p&gt;抛开 AI 语境，原文真正在讲的是&lt;strong&gt;风险分级 + 检查分层 + 闭环度量&lt;/strong&gt;，这三件事在传统工程里也成立，只是 AI 把它逼到了台面上。&lt;/p&gt;&#10;&lt;p&gt;&lt;strong&gt;可以直接搬的（与团队规模无关）：&lt;/strong&gt;&lt;/p&gt;&#10;&lt;ul&gt;&#10;&lt;li&gt;&lt;strong&gt;同一个审查意见出现两次，就去改工具链。&lt;/strong&gt; 大多数团队恰恰相反——反复在 review 里手写同样的评论。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;核准绑定 commit。&lt;/strong&gt; 用 approve 给整个 PR 背书，是绝大多数团队的隐性漏洞。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;&lt;code&gt;rounds-to-pass&lt;/code&gt;（通过轮数）作为指标。&lt;/strong&gt; 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。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;事故 → 评测集。&lt;/strong&gt; 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。&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&lt;p&gt;&lt;strong&gt;需要谨慎搬的：&lt;/strong&gt;&lt;/p&gt;&#10;&lt;ul&gt;&#10;&lt;li&gt;&lt;strong&gt;风险分级的具体阈值。&lt;/strong&gt; 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。&lt;strong&gt;在机场 / BIM 这类交付场景里，「可秒关」这个前提经常不成立&lt;/strong&gt;——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。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;0 人核准。&lt;/strong&gt; 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。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;把「理解代码」外包给 explainer。&lt;/strong&gt; 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，&lt;strong&gt;踩坑记忆的传递&lt;/strong&gt;仍然需要人。&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&lt;h3 id="133-数据要打折看"&gt;13.3 数据要打折看&#10;&lt;/h3&gt;&lt;p&gt;必须说清三件事：&lt;/p&gt;&#10;&lt;ul&gt;&#10;&lt;li&gt;&lt;strong&gt;自报数据，没有对照组。&lt;/strong&gt; 「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」。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;前提是重型基础设施。&lt;/strong&gt; merge queue、flag、分阶段发布、每周 on-call、专人整理的 incident 数据。&lt;strong&gt;缺这些就把核准降到 0 人，风险比他们高一个数量级。&lt;/strong&gt;&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;所有细粒度数字都是单一团队的。&lt;/strong&gt; 50 多轮、59%、16%→54%、65%→78%，换仓库必须自己量。&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&lt;p&gt;&lt;strong&gt;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。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;hr&gt;&#10;&lt;h3 id="附原文信息"&gt;附：原文信息&#10;&lt;/h3&gt;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;项目&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;值&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;标题&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;How the Claude Code team does code review&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;作者&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;Addy Osmani、Morgan Westlee Lunt、Qing Wang&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;发布&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;2026-10-15，claude.dev Blog&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;原文链接&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;a class="link" href="https://claude.dev/blog/solving-code-review-at-anthropic/" target="_blank" rel="noopener"&#10; &gt;https://claude.dev/blog/solving-code-review-at-anthropic/&lt;/a&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;阅读时长&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;原文标注 14 分钟&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;相关&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;a class="link" href="https://code.claude.com/docs/en/code-review" target="_blank" rel="noopener"&#10; &gt;Code Review 文档&lt;/a&gt;、&lt;a class="link" href="https://code.claude.com/docs/en/best-practices" target="_blank" rel="noopener"&#10; &gt;Claude Code best practices&lt;/a&gt;、&lt;a class="link" href="https://www.anthropic.com/engineering/redesigning-source-control" target="_blank" rel="noopener"&#10; &gt;Redesigning source control&lt;/a&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;&lt;strong&gt;风险提示&lt;/strong&gt;：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。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;</description></item></channel></rss>