AI写的代码越来越多,评审流程还能照老办法走吗?Anthropic 把 Claude Code 团队的做法公开了:多层自动校验、AI 评审、按风险分级的人工审批,目标是压缩人工评审时间,同时不让回归和生产事故变多。
![]()
Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 三个人描述了这套流程怎么随着 AI 生成代码量上涨而演变。6月到9月之间,Claude Code 仓库合并的拉取请求数量翻了一倍多,而需要回滚的改动比例下降了超过 40%。
他们没有死守逐行评审。大量验证被前移到开发阶段:开拉取请求之前,Claude 先跑测试、构建和 linter,另有一个独立智能体在全新上下文里审一遍改动。
每个拉取请求随后要过几道自动检查。Claude 驱动的评审者查找潜在 bug,多个智能体各自独立调查发现的问题,再由另一组智能体复核。另有一道安全评审,问题没解决就能直接拦住合并。
人工介入的深度取决于改动的风险等级:
- 低风险改动,比如文档更新或藏在功能开关后面的内部功能,可能不需要人工批准;
- 中风险改动需要一个人批准;
- 高风险改动需要两个人批准;
- CI 工作流这类特别敏感的区域,始终需要人工把关。
自动评审也怕话太多。评审轮次上限设为三轮,到点就要求作者重新考虑实现方式;后续评审只看新增改动,不再把整个拉取请求反复翻一遍。
效果体现在数字上:内部拉取请求经过一轮评审加修复就通过的比例,从 65% 升到 78%;需要五轮及以上评审的比例,从 8.9% 降到 1.5%。
人工评审者仍然负责架构决策、产品方向、高风险改动和最终结果。团队也强调,指挥 AI 智能体的人,要为它产出的代码负责。
这套做法不止于评审本身。合并的改动通常放在功能开关后面发布,先内部测试,再逐步放量给用户。事故和回滚的改动会被收进一个不断扩大的评估数据集,用来衡量并改进自动评审者。
核心思路是把代码评审围绕“改动带来什么风险”来优化,而不是围绕“人读了多少行代码”。AI 生成代码越来越普遍,工程团队恐怕都得重新掂量自动校验和人工把关之间的配比。
有评论者抛出的问题也挺扎心:代码评审现在正式等同于测试了?评审机制该归 QA 团队管吗?QA 团队还在吗?
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.