Claude Code团队自曝:九成代码由AI写,管理方法才是关键
阅读之前记得关注+星标⭐️,,每天才能第一时间接收到更新 Anthropic负责开发Claude Code的团队,现在有大约90%的代码全由Claude自己编写和审查。一个人本来只能盯一两个AI,因为每行代码都得人眼去查。有了证据闭环,一个人就能同时指挥几十个甚至几百个Claude并行工作。内部测试显示,在结构化文件生
Anthropic旗下负责Claude Code开发的团队,如今大约90%的代码都由Claude自行编写并审查。
以往一个人顶多盯一两个AI,原因是每行代码都要靠人眼过一遍。现在情况变了。
内部测试表明,在结构化文件生成这类任务上,让独立的AI去处理,效果相当可靠。
过去要生成测试、基准和技术规范,成本高得吓人。如今AI几秒钟就能产出一整套。这些测试生成之后就变成了按程序运行的软件,反复跑也不怎么消耗Token。
如果AI反复在同一处栽跟头,比如总在日志里打印用户数据,开发人员就会采取相应措施。
想让这套体系运转起来,有两种常见的死法得避开:
测试不稳定,AI就会学会反复重试刷通过,而不去真正修代码。
测试太慢,AI批量排查的频次就会降下来,定位问题也会变得非常艰难。
团队筛选出了三种最值得投入的测试方法。
第一种是
如果精力只够做一种测试,首选端到端。
这类测试直接模拟用户的真实操作,比如把商品放进购物车、结账、跳转到支付成功页。
这类测试很难被投机取巧绕过去。整个功能要么通,要么不通。
单元测试超时只会报错说30秒超时,根本看不出哪里卡住。
真实环境里的操作权限,团队会交给
Claude:测网页走Chrome插件,测手机App用移动端模拟器,测桌面软件靠桌面控制,也能直接在本地把后端服务拉起来。
功能地图
第二种是
很多测试只覆盖了人类能想到的漏洞。
做法是先写下一条绝对不能被打破的规则,然后再据此展开。
常见的规则包括:
数据序列化之后再反序列化,必须能完整还原。
账户余额永远不能变成负数。
同一套迁移或清洗逻辑执行一次和执行两次,结果必须完全一样。
优化后的新代码和没优化的老代码,输入相同时输出必须完全一致。
这些随机边界条件不带主观偏见,非常适合防范AI瞎写,在原有规范已经脱离生产实际的重构场景里尤其管用。
第三种是
在大规模系统重构迁移时,系统功能通常要求完全不变。
到这一步,可以拿随机输入或生产流量切片,原封不动地同时喂给新旧两套系统,让它们并排跑。两边的输出一旦对不上,就说明新系统里有Bug。
做
Claude Code团队自己踩出来的实战规矩
代码只要动了,就得放到真实系统里从头到尾完整跑一遍。
团队在代码库的
谁写这段代码,谁就负责把对应的检查逻辑写出来,直到这套检查能像人一样准确揪出问题。检查工具一旦要叫人来看,必须把原因讲明白,不能让人再去翻代码改动。
测试挂了,Claude会先自己试着修。连着改三轮还是过不了,它会马上停下,叫人来接手。
团队手里还有一张核对表,列了39项可靠性指标。每项都配了明确的触发条件,比方说会话存储或者消息类型一变,就会专门去查老版本的记录还能不能正常加载。
Claude会自己看代码改了什么,每次只启用对得上的3到10条规则,没人需要去背历史上出过的事故。
代码审查只用
团队用
有一条红线不能碰:被审查的代码不许改动审查规则本身。
审查工具读的
审查必须等代码正式生成提交记录之后再开始。审查过程中代码还在被推着改,结果就整个作废。
便宜的检查要排在前面。提交PR之前,Claude得在本地把测试、构建和代码格式检查跑完,别去占共用的CI资源。
新增拦截卡点时,系统先进入
观察模式
确认没问题了,再转成
审查系统自己也要被持续考核。
团队盯的是合并之后被回滚的比例、负责人在合并前打回的比例,还有那些长期保持稳定的代码样本。
评估的时候,团队会把历史事故发生时的代码状态还原出来,给出单句标准答案。审查系统只有准确点出这个具体的Bug才算得分。
检查结果被分成必须修复、建议修复和历史遗留问题三类。碰上历史遗留缺陷,系统不会认定当前提交者违规。
漏掉的Bug会直接变成新规则。
一条路是翻人类的审查留言和回滚记录。同一个问题在两次提交里重复出现,又能从代码变动里认出来,就立为候选规则。团队会安排三个独立的AI去试着推翻它,最后由人来合并进主分支。
另一条路是拿三个找Bug的工具把历史事故PR重跑一遍。两个工具都能抓出问题,代码改动量又小,那就说明规则库有漏洞,必须补写进
碰到偶发不稳定的测试用例,Claude不许跳过,不许加等待时间,也不许反复重试到通过为止。根因找不到,Claude就得把这个测试删掉,并写清楚删除原因。
规则文件、测试用例和验证脚本也会定期清理,免得越堆越臃肿。
说到底,就是把验证系统当成一个独立系统严格对待,规则放在AI碰不到的地方,漏了问题就补规则,失效的规则定期清掉。
这些做到位之后,人就不用一行行去读代码了。人要做的是把“完成”的标准定清楚,然后直接去看AI拿出来的运行证据。
参考:
https://claude.dev/blog/how-the-claude-code-team-thinks-about-verification/