Claude Code九成代码由AI自产自审，人类审核退居二线

你可能不信，Claude Code 现在差不多 90% 的代码是 Claude 自己写的，大部分审查也由 AI 完成。6 月到 9 月，Claude Code 合入的 PR 翻了一倍多，回滚率反倒下降四成多。期间还出现过两个 AI 互相 Review，一个挑刺一个改，一晚上干了 50 多轮的情况。

有人会质疑：AI 写、AI 审，人都不看，不就是学生自己批卷子？这种担心并非没有道理，很多线上事故回头查，都是瞄一眼就能发现的低级错误。Anthropic 最近发文回应了这一疑问，解释 Claude Code 如何自动审代码。

文章认为，问题一开始就问错了。5 月 Anthropic 大仓库一天合入约 2500 个改动，9 月一天超过 3 万个，Claude Code 势头类似。靠人一行行看根本不现实，所以团队不再纠结人有没有看。Anthropic 开发团队表示，人看没看过只是个不太准的替代指标，真正该考虑的是改动万一出事会怎么出，然后让最合适的检查去拦它，至于检查是测试、AI 还是人，看情况。流程也从“写完、提 PR、等同事”变成 Claude 边写边查，很多改动在人来看之前已自查改过一遍。省下的人力怎么算？他们的账是：看代码费时间，烂代码上线后救火也费时间，前头省了后头冒出来就是白折腾。最终只看两个数：回滚率和事故率，只要没往上走就算没白干。

原文列了七层检查，这里挑三层说。PR 提交前，Claude 得先拿出证据：测试结果、Build 是否通过，改界面的还要拿截图和设计稿比对。Claude Code 之父 Boris Cherny 说过，给 Claude 一个能自己检验结果的办法，大概是让它把活干好最要紧的事，效果估计能好上两三倍。PR 提上去后先过 AI 关：几个 Agent 分头找 Bug，结果再交给另一拨 Agent 投票，票不够不发，纯改代码风格灌水的也不发。该功能预览版刚推出时，内部有实质性审查意见的 PR 占比从 16% 涨到 54%。每条意见会打标签，其中“Pre-existing”表示毛病早就存在，不是本次 PR 造成的，作者不用背锅。最后才是人，且有条死规矩：Agent 点的 Approve 不算数，需要人签字的那栏它填不进去。谁让 Agent 写的代码，谁就算审批人，跟自己亲手写的一样。人要上几个看风险：改文档和改自动更新器显然不同，低风险自动检查和安全检查都绿了即可合并，普通改动需一人点头，最要命的几块要两人。风险等级由分类器看改动本身判定，与提交者无关。层层叠加类似航空和医疗安全里的瑞士奶酪模型，每片奶酪都有洞，但洞的位置不同，摞够了很少有问题能一路漏到底，真漏下去还有 Feature Flag 和一键回滚兜底。纯人工放慢速度确实能少犯错，但主要是因为你啥都干得少了。

前面提到的两个 Agent 吵 50 多轮，其实是个 CLI 的 PR，写代码和审代码的都是 Agent。一个提意见一个改，改完再审，审完又提，一晚上来回拉扯 50 多轮，最后 PR 主人发现后手动叫停。原文解释：人看到可改可不改的 Nit 扫一眼就算了，Agent 偏偏较真真去改，一改多一个 Commit，新 Commit 又唤起 Review，Review 又挑出新东西。后来用 Git Blame 回查，Reviewer 一轮轮揪出的问题约 59% 在第一轮审时就已存在，等于不是找新 Bug，而是每轮多翻出几个老 Bug。原文也坦承团队有锅，之前习惯默认多审几轮，觉得多一轮总能多抓点东西。现在改成最多三轮，三轮过不去就让作者别改了，退一步想方案本身是否有问题。这么一改，一个 PR 平均审查轮数从 2.08 降到 1.32，需审五轮以上的原来约每 11 个有 1 个，现在不到 2%。

代码大部分交给机器看后，人也没闲下来，只是活变了。最典型的是判断这东西该不该做。原文提到，有个团队已宣布审查瓶颈解决，但团队外的人提的改动仍留人工审，就是为了有人能问一句“这事真有必要做吗”。计费、自动更新器、CI 等出事故会造成重大影响的代码照样要人盯，会被别人当模板抄的架构也一样。现阶段，人还是被 AI 大人所需要的。