目录
Claude Code 团队正将审查从“人工逐行阅读的流程”转变为根据风险结合自动检查与人工判断的机制。目标是在缩短审查时间的同时,不增加回滚或事故。
要点#
- 许多变更在创建 PR 前就会通过 Claude 和自动检查进行验证。
- 人工批准的数量由变更风险决定,低风险变更有时仅凭自动检查即可通过。
- AI 审查提出的问题由另一组智能体验证,作者需逐一处理。
- 审查以 3 轮为限,此后主要关注新增差异。
- 以回滚率和事故率作为约束,判断能否减少人工审查时间。
以人的时间为衡量标准#
Anthropic 的单体仓库每天合入的变更,从 2026 年 5 月的约 2,500 项增至 9 月的 3 万多项。Claude Code 使用独立仓库,但变更量也在增加,人工逐行阅读所有代码的做法已难以为继。
团队关注的不是“人是否读过代码”,而是“这项变更可能引发什么,哪些检查能发现这些问题”。人的时间不只花在审查上。如果还要耗时修复不良变更,缩短审查时间的意义就会打折。
因此,团队会测量每个 PR 的人工批准数、评论数,以及等待他人处理的时间,并以不增加回滚和事故为前提。文章报告称,从 2026 年 6 月到 9 月,Claude Code 已合并的 PR 数量翻了一倍多,而被回滚的比例下降了 40% 以上。
在 PR 创建前后设置检查#
首次检查发生在创建 PR 之前。团队会准备测试、构建、界面对比等手段,让 Claude 执行并展示结果。有些团队成员还会使用在全新上下文中查看差异的子智能体,查找错误、简化代码并验证运行情况。
每个 PR 都会运行 Claude 审查和安全审查,提出的问题由另一组智能体验证。过滤掉风格偏好和依据不足的意见后,为剩余问题标注重要程度并发布。作者需要修复,或附上理由后将讨论线程标记为已解决。只要还有未解决的问题,就无法合并。
随后会运行代码规范检查、类型检查、各平台测试和构建。合并队列会在将变更应用到 main 后重新检查,以防两个单独通过检查的 PR 组合后出现故障。
根据风险调整批准人数#
团队根据变更内容评估风险,决定需要多少人确认。文章给出的标准是:低风险无需批准,中风险需 1 人批准,高风险需 2 人批准。修改文案、受功能开关控制的新增功能属于低风险;常规功能变更、缓存、更新机制等属于中风险。高风险代码,以及指定为始终需要两人确认的部分,则属于高风险。
只有仓库中受信任成员提交的工作,才能减少批准要求。CI 配置等指定路径必须经过人工确认,智能体的批准不能替代人工批准。有新提交后,必须重新获得批准。委托智能体工作的人也要对变更负责。
合并后,通过功能开关和分阶段发布控制影响范围。Claude Code 会先供内部使用;公开版本中,最新频道会先于稳定频道推送。出现问题就关闭功能开关或回滚。即使增加自动检查,也无法事先防住所有错误。
避免审查拖延不休#
让 AI 反复审查 AI 编写的代码,有时会陷入修复与复查的循环。文章举例称,某个 CLI 的 PR 在一夜之间经历了超过 50 次审查和修改。并非每次都发现了新错误,有时只是依次指出原有代码中的问题。
团队将常规复审限制在 3 轮,超过后就重新审视实现方案。初步检查结束后,只关注新增差异,并鼓励一次修复所有同类问题,而非逐处修改。也要避免重复提出此前已发布的问题。
如果只把问题数量当作成果,误报也会增加。团队会统计人们如何处理审查意见,并检查是否要求没有问题的 PR 做不必要的修改。他们还将过去的事故和回滚案例加入用于复现的评估集,在调整审查机制后仍每天检查。
由人判断的工作#
人仍需决定做什么、如何设计,以及是否可以发布高风险变更。计费、更新机制、CI 配置等由人确认;会被其他变更沿用的设计模式,则由有经验的人审查。
确认时,要查看测试结果、执行过的命令及其输出,以及界面证据。如果不清楚哪些问题是所有检查都无法发现的,就不能简单批准,而应请求详细审查。提交小型变更的人,也有责任在出现问题时修复。
要减轻审查负担,还需保持变更规模小,并建立失败后可回退的机制。团队不会借事故追究个人责任,而会调查哪些检查或流程遗漏了问题。能否减少人工确认,需要结合这些运作方式判断。
下一步#
先选一个仓库,在 PR 模板中加入测试、风险和回退方式。然后,将变更分为低、中、高风险,确定每一级所需的人工批准人数。同时记录人工审查时间、回滚和事故情况,几周后重新评估标准。
来源: https://claude.dev/blog/solving-code-review-at-anthropic/
目录
