新智元报道
新智元报道
Claude Code 目前约 90% 的代码由 AI 自行编写，且大部分审查工作也由 AI 完成。数据显示，今年 6 月至 9 月，Claude Code 合并的 PR 数量翻倍，回滚率反而下降逾 40%。
针对“AI 自写自审”可能引发的质量担忧，Anthropic 官方博客详细披露了其自动化代码审查机制。尽管曾出现两个 AI Agent 因互相挑刺而陷入 50 多轮僵持的情况，但通过优化流程，系统已实现效率与质量的双重提升。
重塑审查逻辑：从“人眼检查”到“风险控制”
随着 Anthropic 主仓库日均改动量从 5 月的 2500 次激增至 9 月的 3 万次，传统的人工逐行审查已不可持续。团队指出，“是否有人看过”仅是替代指标，核心应聚焦于“潜在风险如何拦截”。
新的工作流将审查前置，类似拼写检查工具，AI 在编码过程中实时自查修正。评估标准也从节省人力转向结果导向：只要回滚率和事故率未上升，即视为有效。这种模式避免了因过度追求人工审查速度而导致的后期救火成本增加。
七层防御体系：AI 预审与人类终决
Anthropic 构建了七层检查机制，其中关键三层如下：
提交前：证据链验证
Claude Code 在提交 PR 前需提供完整证据，包括测试结果、构建状态及界面截图与设计稿的比对。负责人 Boris Cherny 指出，赋予 AI 自我验证能力可将效果提升两至三倍。
提交后：多 Agent 协同审查
PR 提交后，多个 Agent 分工查找 Bug 并投票决定通过率，无效的风格修改会被过滤。该功能使内部实质性审查意见占比从 16% 升至 54%。系统还会标记“Pre-existing”问题，区分新旧缺陷，明确责任归属。
最终环节：人类按需介入
AI 无权批准合并，最终签字必须由人类完成。发起代码生成的开发者需承担审批责任。根据风险分类器判定，低风险改动在自动检查通过后即可合并，普通改动需一人批准，高危模块（如计费、自动更新器）则需两人复核。
这种类似“瑞士奶酪模型”的多层防御，配合 Feature Flag 和一键回滚机制，确保了即使个别环节失效，整体系统依然安全。
解决 AI “死循环”：限制审查轮次
早期曾出现两个 Agent 针对同一 PR 进行 50 多轮互相挑刺的情况。原因在于 AI 对细微瑕疵（Nit）过度较真，每次修改触发新一轮审查，导致 59% 的问题实为旧疾重提。
为此，团队将审查上限调整为三轮。若三轮未过，则要求开发者重新审视方案本身。此举使平均审查轮次从 2.08 降至 1.32，超过五轮的极端案例占比从近 10% 降至不足 2%。
人类角色的转变：聚焦决策与架构
代码审查的自动化并未让人类闲置，而是促使角色向更高价值领域转移。开发人员更多精力投入到判断需求的必要性、审核高危核心代码以及维护可复用的架构模板上。
现阶段，人类依然是 AI 开发流程中不可或缺的决策者和最终把关人。
参考资料：
编辑：马可