Claude Code九成代码AI写，六层审查怎么兜底？

Claude Code里约90%的代码，如今由Claude自己产出。写代码的换了主角，改动量随之猛涨：6月到9月，合并进代码库的PR数量翻了一倍还不止。

放大到Anthropic整体，主代码库每天合并的改动，5月约2500次，9月已超过3万次。

代码堆到这个量级，人还读得过来吗？要是连审查都甩给AI，它出了错又由谁来兜？

10月15日，Claude Code团队把内部代码审查流程摊开讲了一回。按他们的说法，PR数量翻倍的同时，需要回滚的PR占比反而相对下降超过40%。

撑住这个结果的，是六层检查，外加一套发现快、回滚也快的兜底机制。

团队判断，到了这个体量，逐行人审已经不现实。审查本身没被砍掉，只是读代码的大部分活儿，交给了机器。

AI写出的代码要上线，先得跑测试、过AI审查和安全审查，再按风险大小决定要不要人点头。

在Claude Code团队眼里，「有没有人读过这段代码」问得不够准。该问的是：这次改动可能出什么错，出错时该由哪道检查拦住？

AI先交出验证结果，人工审查排在后面

一次改动要连过六道检查，末尾还架着一张安全网。

第一关设在创建合并请求（PR）之前。Claude得跑完测试、完成构建；碰到界面相关的改动，还要截图和设计稿对照。

随后另派一个子智能体，用全新上下文审查代码差异。它没参与写代码，任务就是挑毛病。

官方把要求说得很死：Claude必须把执行的命令和输出摆出来，只回一句「测试全部通过」不作数。

普通开发者也能照这个路子来：给AI派任务时，顺手把验收标准讲清楚。

第二关才轮到PR上的AI审查。几个智能体并行找bug，另一组再投票核验，票数够了，问题才会贴到PR上。

至于只牵扯代码风格、诊断提示或代码清理的意见，压根不会发到PR，直接过滤掉。

今年3月这套审查刚落地时，内部PR里能拿到实质性审查意见的比例从16%涨到了54%。

第三关叫安全审查。

团队内部有个硬规矩：代码审查和安全审查提出的问题只要没关掉，PR就进不去，修好或者写清理由关掉，二选一。

第四关是持续集成检查，代码规范、类型检查、各平台测试、构建打包都算在内。

哪怕只是改一个普通的命令行工具，交到人手里之前也得先跑过几十项检查。

老是冒出来的问题，会被收进下一轮的检查依据。

CLAUDE.md管项目约定，REVIEW.md管审查器该盯哪里、哪些能跳过——这一轮踩到的坑，就成了下一轮的参照。

同一条意见被提到第三遍，就得写进规则。

第五关是人工审批，也是最要紧的一关，下一节展开说。

第六关管合并和发布。

前面几关都过了，改动还得进合并队列排队。

排到它的时候，系统会把它挪到主分支最新版本上，所有检查重跑一遍。

这一步防的是单个改动都没毛病、凑到一起却出岔子。

合并完，新功能也不会立刻推给全部用户。

它先藏在功能开关后面，只对Anthropic内部员工开放。这帮人天天高强度地用，往往比外部用户更早碰到问题。

功能开关相当于一个总闸，不用改代码、不用重新发版，就能决定功能开还是关。

最后还有兜底。

一旦出事，先把总闸拉下来。

团队每周轮班值守，每次事故复盘都要问一句：这事本来该在哪一关被拦住？

审查并没有消失，它变成了贯穿开发、合并、发布的一层又一层检查。

零人审批的边界在哪里

前四关全绿之后，第五关按风险分级，决定这次改动要几个人点头。

文档、文案、仅内部可见的功能，以及藏在开关后面的新增改动，都算低风险，自动审查和安全检查过了就能免掉人工审批。

普通的产品改动，以及缓存、自动更新器、系统提示词这类敏感区域，需要一个人批准。

那些风险最高的代码，再加上少数被单独点名的路径，得过两道人工审批。

这么看，低风险改动岂不是已经进入「无人驾驶」状态了？事情没这么简单。

档位由改动本身来定：先有一个分类器读代码、判定风险高低，再由第二个分类器判断这次要不要额外加一道人工审批。

凡是被代码所有者标成敏感路径的地方，以及全部CI工作流文件，都必须有人来看。

轻量审批这条通道也设了门槛：只向仓库「可信作者」名单里的人开放，名单之外的人想走这条路，得另找一个人点头。

带着AI写代码的那个人，本身就被算作一名审查者，也得像自己一行行敲出来那样，对这次改动担起责任。

零人审批，并不意味着没人负责。功能该不该做、架构合不合理，这些要由人来定；现有检查能不能盖住这次的风险，同样得人来判断。

正因如此，Claude Code团队立了一条规矩：你合进去的代码，日后出了问题，通常也由你来收尾。

在按下批准之前，审查者要把话说清楚——这些检查到底验证了什么，还有哪些风险没被覆盖。说不清楚就先别急着点通过，把该补的审查补上。

AI审查也会失灵

自动化审查有时候会把自己绕进去。有个CLI项目的PR，一晚上来来回回跑了五十多轮审查和修复，最后是作者手动喊停的。

一个小毛病，人一秒钟就能放过，AI却不会，它会老老实实去改；改完又是一次提交，提交又触发一轮审查。

团队用git blame回查后发现，审查器反复标出来的问题里，约59%在首轮审查之前就已经存在于老代码中。它很少揪出新bug，只是每一轮多翻出几个旧的。

之后他们改了四条规则：满三轮还没过，就提醒作者先退一步、重新想方案；前几轮过后，只审新加进来的改动；

同类问题一次说清；已经提过的问题不再重复。

效果很快就出来了。只经过一轮审查和修复就通过的内部PR占比，从65%升到78%；需要五轮及以上的，从8.9%降到1.5%；平均审查次数，从2.08降到1.32。

复审规则调过之后，只走一轮审查和修复就放行的比例由65%涨到78%，平均审查次数则从2.08次降到1.32次。

审查这件事，一半功夫花在挑毛病上，另一半花在判断什么时候该停手。

多叠几层审查，就能保证万无一失吗？

Anthropic自己就拿出过一个反面例子。

3月26日，Claude Code上线了一项优化：会话闲置超过一小时，就清理一次旧的推理记录。

问题出在一个bug上：它使得对话恢复之后，每一轮都触发清理，Claude因此记不住东西、反复说同样的话，调用工具时也不正常。这个bug一直到4月10日才被修好。

按设计，闲置之后只该清一次旧推理，实际却每轮都在清；红框标出的就是被误删的内容。

官方在4月23日的复盘里承认：

这个改动穿过了多轮人工和自动审查，单元测试、端到端测试、内部试用全没拦住，光确认根因就花了一周多。

复盘里还有转折。

团队用Code Review重审了出事的PR，在给足相关仓库上下文时，Opus 4.7找到了这个bug，Opus 4.6没找到。

这次回测说明，模型能力和上下文完整性，都会影响检出结果。于是他们让审查能引入更多仓库。

现在，每一起事故都会变成一道考题。

团队把PR收集起来，由熟悉代码的工程师逐个确认其中的bug，整理成一套考题。

审查器每天对着这套考题跑分。每次调整提示词、工具或模型，也要用它检验效果：成绩没有提高，这次调整就不采用。

团队也没把话说满。

改动上线后，仍要靠开发者、值班人员结合数据看板发现异常。

根据回滚率等指标自动收紧审批的「熔断」机制，还没有建好。工程师们希望先补上这道保险，再让更多改动走零人审批。

审查难免漏检，发现和补救也要跟上。

Claude Code团队里有人是这么说的：慢下来确实出错会少，可这主要是因为做的事也变少了。于是他们宁可把精力放在更快发现问题和更快修复上。

一个人用AI写代码，要验收什么

AI审查只给意见，拍板的还是你。

所以，别急着追求「不用看」，而是先让AI每次交付都回答三个问题。

第一，怎么验证的？

具体跑了哪些检查、结果如何、还有哪些情况没覆盖到，这些都要交代清楚。

Claude Code的创造者Boris Cherny讲过，给Claude一个能验证自己的手段，或许是最要紧的事。他估算，这么做能让最终结果的质量提升到原来的2至3倍。

他的建议是让Claude自己验证工作、形成反馈循环；按他的估计，最终结果质量可达原来的2—3倍。

第二点，会影响哪里？

改动会牵涉到哪些用户、哪些数据、哪些权限，得先弄明白。

比如让AI给汇报工具加个共享功能，那就要问清楚：链接谁点得开，点开后又能看到哪些内容。

第三点，出了错怎么撤回来？新功能能不能一键关掉，能不能退回到上一版。

动手之前先把当前版本提交存档，每次改动尽量做小。先保证撤得回来，再谈少审几遍。

这三个问题之外，还有三个习惯值得养成。

其一，换一个「脑子」来复审。

写代码的那个会话，最容易对自己埋下的bug视而不见。

可以开一个新会话，也可以让子智能体带着全新上下文去复审；本地的/code-review和/security-review命令同样能直接跑。

其二，把改动分个档。

改文案、调样式这类，检查过了、实际效果也确认了再合并；碰上登录、付款、删除数据，就得人工细查关键逻辑，再补上针对性测试。

一开始先严一点，等验证和回滚流程都跑顺了，再慢慢减少低风险改动的人工审查。

其三，三轮还不过，就换个思路。

AI改了三轮仍在原地打转，别急着催第四轮，先回头看看方案本身是不是就有问题。

最要紧的一点：AI说「通过」，并不等于你已经完成验收。

代码是你让它写的，上线之后的结果，也得由你来担。

Claude Code团队想要达到的目标，是多数PR至多一人介入，同时把回滚率和事故率守住。

人的注意力，应该更多放在判断风险、确认检查够不够充分，以及出错之后怎么补救上。

人可以不读每一行代码，但每一次上线，都得有人负责。

参考资料：

https://claude.dev/blog/solving-code-review-at-anthropic/?utm_source=chatgpt.com 

https://www.anthropic.com/research/april-23-postmortem?utm_source=chatgpt.com 

https://x.com/bcherny/status/2007179861115511237