Anthropic 公开 Claude Code 代码评审流程按风险分三档、低风险可零人合并,6 至 9 月合并 PR 翻倍而回滚比例降超 40%

我先联网核实 Anthropic 公开的 Claude Code 代码评审流程细节。

核实完成。原始出处是 10 月 15 日的官方博客,我整理出了完整七层流程和风险分档规则。稿件如下。

10 月 15 日,Anthropic 在 claude.dev 博客发布《How the Claude Code team does code review》,作者是 Addy Osmani、Morgan Westlee Lunt 和 Qing Wang。文章给的结论很硬:从 6 月到 9 月,合入 Claude Code 代码库的 PR 数量翻了一倍多,需要回滚的 PR 占比反而下降了 40% 以上。要知道 Claude 现在写出 Claude Code 自身约 90% 的代码,这个成绩不是靠 “多派人盯着” 换来的,恰恰相反,他们把大部分 “读代码” 的活儿交给了机器。整套流程一层层叠起来是七道:PR 创建前的自检验证、必过的 CI、AI 代码评审、可阻断合并的安全评审、按风险分档的人工审批、合并队列与功能开关、合并后的灰度与快速回滚。核心的方法论换了个问法 —— 不再问 “有没有人读过这段代码”,而是问 “这次改动可能出什么错,该由哪一道检查来拦住它,是自动的还是人的”。人工审批被拆成三档:低风险可以零人合并,中风险一人,高风险两人,而且档位由改动决定、不由作者决定,agent 的批准永远不能顶替人的名额。

先看三组数字,口径要分开

原文给了三组量化结果,覆盖范围不同,混着读容易看错:

指标变化统计范围
每日合入变更数5 月约 2500 次 → 9 月超过 3 万次Anthropic 主 monorepo
合并 PR 数 / 回滚比例6 至 9 月 PR 数翻倍以上,回滚比例降 40% 以上Claude Code 代码库
收到实质性评审意见的 PR 占比16% → 54%Anthropic 内部 PR(Code Review 研究预览上线前后)

这里有个在 Hacker News 上被大量误读的点:3 万次不是 Claude Code 的日变更量,是整个 monorepo 的数字。Claude Code 是独立仓库,原文只说它 “同样承受了很大压力”,没给具体日均变更量。16% 到 54% 那一组更能说明 AI 评审的覆盖面 —— 上线前内部只有 16% 的 PR 能拿到真正指出问题的评论,剩下的大多是被扫了一眼。

七层流程,从工程师的笔记本到用户手上

任何单独一层都会漏,所以他们的做法是层叠,最后由快速回滚兜底:

层名称具体做什么能否阻断
1PR 前自检Claude 跑测试、构建、对照设计稿截图,必须展示输出而不是说 “做完了”;再开一个 clean context 的子 agent 复审 diff作者自查
2必过 CIlint、类型检查、多平台测试、构建与打包;一个普通 CLI PR 在有人看之前可能已跑几十项检查红即阻断
3AI 代码评审多 agent 并行找 bug,另一组 agent 投票,够票才发;纯风格、诊断、清理类意见直接丢弃意见可阻断
4安全评审独立一遍,与 bug 评审并列;任一评审有未关闭发现,PR 不能合阻断
5风险分档审批分类器读改动定档位:0 人、1 人、2 人;第二个分类器再判 “要不要额外加人”阻断
6合并队列 + 开关在最新 main 上重跑全部检查;新行为放开关后面先给内部员工阻断
7灰度与回滚latest 渠道先发、stable 滞后;每周轮值 on-call,事故复盘追问 “该由哪一层拦住”兜底

第 1 层有个细节值得抄:为什么要另开一个上下文干净的子 agent?因为写代码的那个会话里塞满了 Claude 自己的思路和假设,让它自己审自己,很容易顺着原思路一路点头。换一个没有包袱的视角,才更容易发现问题。Claude Code 的创造者 Boris Cherny 估计,给 Claude 一个能验证自己工作的手段,能让最终结果好两到三倍。

第 3 层的关键是 “不吵人”。评审意见发出来之前要过两道:先由多个 agent 并行找,再交由另一组 agent 逐条投票,够票才发布;只涉及代码风格、诊断提示、顺手清理的意见全部丢弃。这套过滤规则不是拍脑袋定的,团队先在自己的 PR 上做了 A/B 测试才保留。留下来的意见按严重程度排,每条打一个标签:Important(重要)、Nit(小问题)、Pre-existing(本来就有的)。最后这个标签很实用 —— 代码库里早就存在的 bug 被顺带扫出来,打上标记就不会被误认成这次提交的作者写坏的。

风险三档:零人审批的边界在哪

风险典型改动需要的人工审批
低文档、文案、仅内部可见的功能、开关后的纯新增改动自动评审与安全检查全绿后 0 人
中普通产品改动,以及缓存、自动更新器、系统提示词等敏感区域1 人
高风险最高的代码,以及少数固定需要两人的路径2 人

这张表本身不难抄,真正决定成败的是围着它的五条规则:

  1. 档位由改动定,不由作者定。一个分类器读改动、判档位;第二个分类器单独判断 “虽然档位说不用人,这个具体改动要不要再加一个人”。owner 标记的敏感路径和所有 CI workflow 文件,一律必须有人看。
  2. 轻量通道只对受信任作者开放。只有仓库 “可信作者” 名单上的人(基本就是 owner 团队)能走 0 人或 1 人档,名单外的人一律需要第二个人批准。
  3. agent 的批准不能顶替人。自动评审可以放行低风险改动,但填不了任何一个 “规则要求人来批” 的名额。
  4. 谁驱动 agent,谁就是审批人之一。agent 写的 PR,指挥它的那个人自动算作必需审批人,和亲手敲代码的责任一样。这条把 “AI 写的,不关我事” 的退路彻底堵死了。
  5. 一次批准只对一个 commit 有效。之后出现系统无法担保的新提交 —— 比如 agent 又推了一次、有人手动解了冲突 —— 就得重新批。这防的是 “人批完了,agent 又悄悄改一版,最后合进去的代码根本没人批过”。

团队给自己定的目标是:Claude Code 各仓库(CLI、桌面端、Web 端、移动端)的大多数 PR,最多一个人参与就能合入,这个人甚至可以是作者本人;同时回滚率和事故率不能上升。他们盯三个指标 —— 每 PR 人工批准数(看中位数和 P95)、人工评论数、PR 等人的时长;回滚率和事故率是护栏。原文那句话说得准:如果回滚率涨了,你并没有省下人的时间,只是把时间从评审挪到了修 bug。

评审器自己怎么变好:事故当考卷,噪声单独量

这部分是整套流程里最容易被忽略、也最值得抄的。

考卷来自真实事故。 团队把历史上引发过事故的 PR 收集起来,连同后续的修复和回滚,再请熟悉那块代码的工程师逐个确认 “bug 到底是什么、藏在哪”。这就成了一部题库,评审器每天在上面跑一遍。每出一次新事故,题库多一道题;每次调整 prompt、换工具、换模型,都要在全量题库上重新打分,分数上升才保留,不涨就丢掉。

噪声单独度量。 想多抓 bug 很容易 —— 让评审器什么都报,召回率立刻上去,只是里面混着一大堆不是 bug 的东西。所以团队按作者对每条评论的反应做四分类:修了、说它错了、说这是有意为之、觉得无所谓。另外,他们还拿已知干净的 PR 去跑,统计评审器报出 “会让人做出有害改动” 的问题的频率。写下来的优先级是:先抓真 bug,再减少评审轮次。

噪声在 agent 作者身上更贵。 人看到一条无关紧要的 nit,几秒钟跳过;agent 不会跳过,它会认真去改,改完又是一个 commit、又一轮评审。

审查必须收敛:59% 的旧问题与 50 轮死循环

agent 写、agent 审,会出现人工评审时代没有的问题:两个 agent 可以互相无限制造工作。原文记录了一个 CLI 的 PR,一夜之间来回 “评审 — 修复” 五十多轮,最后是作者手动叫停。

团队用 git blame 查了评审器反复报的那些问题,发现约 59% 指向第一轮评审时就已存在的代码。也就是说,它不是每轮在找新 bug,而是每轮多挖出几个旧 bug。团队自己的复盘是:大家习惯了默认跑好几轮,因为每轮总能抓到点什么,这在高风险改动上值得,在普通 PR 上不值得。

四项改法直接把循环打断了:

改法内容
轮次上限审到第三轮还没过,评审器要求作者退一步重新考虑方案
只审新 diff前几轮之后,复审只看新增改动
报一类而非一行指出 bug 的类别,让作者一次修掉所有同类实例
不重复报已经发过的意见不再重复

效果是这组数字:

指标改造前改造后
一轮评审加修复即通过65%78%
需要五轮及以上8.9%1.5%
平均通过所需轮数2.081.32

另外,评审 agent 每晚还会扫一遍存量代码,把老 bug 在别处冒头之前先清出来,不用指望每个 PR 顺带做清理。

人还留着的五件事

AI 接手了大部分阅读,人并没有闲下来。原文列了五件必须人做决定的事:

  • 该不该做。方向、品味、范围。有个团队宣布自己的评审瓶颈已经解决,但对团队外部提交的改动依然保留人工评审,就为了有人能问一句 “这件事我们到底该不该做”。
  • 高风险代码。计费、自动更新器、CI workflow。
  • 会被照抄的架构。那种一旦定下就会被别人模仿的模式。
  • 读证据。测试输出、跑了什么命令、返回什么、截图、评审器的问题清单。这里给了个可执行的判断标准:如果你说不清这些检查会漏掉什么,就应该要求一次真正的评审,而不是随手点通过。
  • 对结果负责。每一个上线的改动,不管谁敲的,都有一个人要负责。

团队的规范是 “你合入的,你负责”—— 中小改动合进去出了问题,通常由作者自己修。这条能跑通,靠的是几个前提:改动小、一切可回滚(开关、回滚、分阶段发布让大部分错误几分钟内能撤掉)、按影响范围设门槛、问题能通过遥测和内部使用快速暴露。原文特意强调这不是追责:让作者修,是因为他对这段代码最熟,事故复盘看的是系统。

这套流程的边界和争议

Hacker News 上这篇文章拿到 233 分、222 条评论,去掉情绪化的部分,有实质的质疑集中在五点:

质疑具体内容原文是否回应
合规有评论者称其 SOC 2 审计员要求所有代码上线前至少经另一人评审,而低风险档允许 0 人、中风险档那一个人可以是作者本人未说明
安全发现可自行关闭误报的处理方式是 “关闭讨论并写一条简短理由”,有人认为高危发现仍应由安全团队判定部分回应(提供独立的安全评审通道)
讲解与评审同源让 Claude 写代码讲解来学代码,等于认知经过同一个已审过这段代码的系统,读者无法独立判断承认这是全文最薄的一节
指标成为目标回滚率和事故率一旦成了优化目标,未必还反映质量;用户感知的回归(如界面频繁变动)不一定体现为回滚团队已自陈缺熔断机制
成本多 agent 并行评审加投票验证的 token 成本,普通团队未必承受得起未给单次成本

其中 “缺熔断机制” 是团队自己写进文里的:目前没有机制能在回滚率或事故率上升时自动收紧审批,工程师希望先补上这道保险,再让更多代码走零人合并。这句话的份量在于 —— 他们已经有七层兜底,仍然认为不该急着扩大零人工合并。

还有一个反例是 Anthropic 自己给的。3 月 26 日 Claude Code 上线一项优化:会话闲置超过一小时就清理一次旧推理记录。一个 bug 让它在恢复对话后的每一轮都在清理,结果 Claude 变得健忘、开始重复。这个改动穿过了多轮人工和自动审查,单元测试、端到端测试、内部试用全没拦住,4 月 10 日才修好。后来团队用 Code Review 重审那个 PR,给足仓库上下文时 Opus 4.7 找到了 bug,Opus 4.6 没找到 —— 这说明模型能力和上下文完整度都会影响检出结果。

产品版和内部版不是一回事

这里必须分清:原文讲的是 Claude Code 团队在自己仓库里的做法,外部能买到的 Code Review for Claude Code 是另一套默认行为。

项目Claude Code 团队内部Code Review 产品默认
能否阻断合并评审有未关闭发现即不可合不批准也不阻断,check run 不会失败
审批owner 可定低风险改动仅靠自动检查合并批准仍是人的事,产品只发意见
意见处理每条必须修复或写明理由关闭可无回应直接合并
是否执行代码PR 前跑测试、构建、截图只读 diff 与周边代码,不构建不运行
复审轮次三轮后要求重想方案,之后只审新 diff无轮次限制文档

成本方面,2026 年 3 月的研究预览博客给的口径是每份评审平均 15 至 25 美元,按 token 用量计费、从组织额度扣,不是固定价。Code Review 只支持 GitHub 仓库(含 GitHub Enterprise Server),开启 Zero Data Retention、HIPAA 或自管加密密钥(CMEK)的组织用不了。

判断

这套流程真正的创新不在 “让 AI 审代码”,而在换指标。传统评审的隐含 KPI 是 “有没有人读过”,Anthropic 把它换成两个可测量的量:每个 PR 消耗的人工时间,以及作为护栏的回滚率和事故率。人工时间降了、回滚率没升,才算真省下;回滚率一升,省下的时间只是搬到了修 bug 那一步。

换指标带来一个连锁后果:既然 “人读没读” 不再是目标,那么给机器读、让人只看风险,就成了合理选择。这也是零人审批能够出现的逻辑前提。

但顺序不能倒。原文最后给的采用清单是分层递进的:先建兜底层(功能开关、一步回滚、分阶段发布),再加自动评审,最后才减少人工审批。Anthropic 自己有七层兜底、有事故题库、有每周 on-call,仍然在说 “熔断机制还没建好”。没有这层底子就直接砍人工评审,等于拆了护栏换速度。

给要动手的团队一个可落地的起步动作:先别碰审批档位。第一步把 PR 模板改成三个问题 ——“怎么测的”“有什么风险”“怎么撤回”,这三个问题填不清楚的 PR,本来也不该合;第二步挑一个仓库接入 AI 评审,用几周时间把 REVIEW.md 调顺(好的 REVIEW.md 都很短,会写清这个仓库里 “失败” 长什么样,比如文档的失败是 “说了假话”、配置的失败是 “路由错了”,还要求以文件和行号为证据);第三步才是按改动写风险档位,从严开始,有证据再放宽。

【相关 FAQ】

问题 1:Anthropic 公开的 Claude Code 代码评审流程一共几层,核心变化是什么?

回答 1:流程一共七层:PR 创建前的自检验证、必过 CI、AI 代码评审、可阻断合并的安全评审、按风险分档的人工审批、合并队列与功能开关、合并后的灰度与快速回滚。核心变化是把评审的目标从 “有没有人读过这段代码” 改成了 “这次改动可能出什么错、该由哪一道检查拦住”。Claude Code 代码评审流程因此在 6 至 9 月实现了合并 PR 数翻倍、回滚比例下降 40% 以上的结果。

问题 2:Claude Code 的代码评审为什么允许低风险改动零人工审批,边界在哪?

回答 2:因为人工审批被改成按改动风险分三档,而不是按作者资历。低风险是文档、文案、仅内部可见的功能、开关后的纯新增改动,自动评审和安全检查全绿后可 0 人审批;中风险是普通产品改动及缓存、自动更新器、系统提示词等敏感区域,需 1 人;高风险是最危险代码和少数固定路径,需 2 人。边界由五条规则锁住:档位由改动定、轻量通道只对可信作者开放、agent 批准不能顶替人、驱动 agent 的人算审批人、批准只对单个 commit 有效。

问题 3:Claude Code 的代码评审里,AI 评审怎么避免误报太多吵到人?

回答 3:靠三道过滤。第一步,多个 agent 并行找 bug,找出的每一条再交给另一组 agent 投票,够票才发布;第二步,只涉及代码风格、诊断提示、顺手清理的意见直接丢弃,这套规则在内部 PR 上做过 A/B 测试;第三步,留下的意见按严重度排序并打标签,Important 表示重要、Nit 表示小问题、Pre-existing 表示这个 PR 之前就存在的旧 bug,避免算在作者头上。每条意见必须回应 —— 要么修掉,要么写明理由关闭。

问题 4:Claude Code 代码评审为什么要限制评审轮次,之前出了什么问题?

回答 4:因为 agent 写、agent 审会互相无限制造工作。有个 CLI 的 PR 一夜之间经历了五十多轮评审与修复,最后作者手动叫停。团队用 git blame 查了评审器反复报的问题,发现约 59% 是首轮评审时就已存在的旧代码,它很少发现新 bug,只是每轮多挖几个旧的。改法有四项:三轮不过就要求作者重新考虑方案、前几轮后只审新增 diff、报 bug 类别让作者一次修完同类、已报过的意见不再重复。效果是一轮通过率从 65% 升到 78%,需五轮以上的从 8.9% 降到 1.5%,平均轮数从 2.08 降到 1.32。

问题 5:外部团队能直接照搬 Claude Code 的代码评审流程吗,有什么前提?

回答 5:不能一步到位,顺序应该自下而上。Claude Code 的零人工审批建立在功能开关、一步回滚、分阶段发布、每周 on-call 这几层兜底之上,自身还缺 “指标恶化时自动收紧审批” 的熔断机制。外部团队的建议路径是:先把 PR 模板加上 “怎么测的、有什么风险、怎么撤回”,再挑一个仓库接入 AI 评审并用几周调好 REVIEW.md,最后才写风险档位。另外要留意的硬约束包括:Code Review 产品本身不批准也不阻断合并,需要靠分支保护规则实现阻断;只支持 GitHub 仓库;SOC 2 类审计若要求 “上线前必须另一人评审”,低风险零人档会与之冲突;单份评审成本约 15 至 25 美元。

【参考资料】

[2026-11-16](Anthropic 公开 Claude Code 团队 AI 代码评审流程:人工审批按风险分级,自报合并 PR 翻倍以上、回退占比降超 40%)智源社区

[2026-11-08](九成代码 AI 写,谁来审?Claude Code 亮出 6 道关卡)新智元

[2026-11-02](Claude Code 内部 AI 代码审查体系拆解:AI 大量生成代码后怎么做 Code Review)与非网

[2026-10-30](Claude Code 팀의 코드 리뷰 방식:병합 PR이 2배로 늘 때 되돌림 비율은 40% 넘게 줄인 방법)PyTorch KR

[2026-10-17](Claude Code 团队的代码评审:合并量翻倍,回滚率降了 40%)掘金

[2026-10-17](How the Claude Code team does code review)Tech Bytes

[2026-10-15](How the Claude Code team does code review)claude.dev Blog

[2026-04-23](Claude Code 推理记录清理功能事故复盘)Anthropic

36氪claude.dev免责声明

本文流程细节与数据来自 Anthropic 官方博客《How the Claude Code team does code review》(2026 年 10 月 15 日,作者 Addy Osmani、Morgan Westlee Lunt、Qing Wang),以及新智元、与非网、掘金、Tech Bytes、PyTorch KR 等媒体的转述与拆解,其中部分中文媒体对 “每日 3 万次变更” 的归属范围存在误读,本文已按原文口径注明该数字属 Anthropic 主 monorepo 而非 Claude Code 独立仓库。文中提及的 Hacker News 质疑为社区讨论观点,SOC 2 合规要求的具体适用性需由各企业依据自身审计标准判断,本文不作合规结论。Code Review 产品的价格、支持范围与阻断能力引自 Anthropic 官方文档及 2026 年 3 月研究预览公告,可能随产品迭代调整,请以官方最新文档为准。本文仅为技术流程信息整理,不构成任何采购建议、合规建议或投资建议;照搬文中流程导致的工程后果需自行评估承担。

本文来自作者[磁波解序客]投稿,不代表环球科技潮立场,如若转载,请注明出处:https://www.zennew.com/rgzn/202611/1838.html

赞 (0)

今日大家都在搜的词:

发表回复

本站作者后才能评论

评论列表(4条)

  • 磁波解序客
    磁波解序客 2026年11月16日

    我是环球科技潮的签约作者“磁波解序客”!

  • 磁波解序客
    磁波解序客 2026年11月16日

    希望本篇文章《Anthropic 公开 Claude Code 代码评审流程按风险分三档、低风险可零人合并,6 至 9 月合并 PR 翻倍而回滚比例降超 40%》能对你有所帮助!

  • 磁波解序客
    磁波解序客 2026年11月16日

    本站[环球科技潮]内容主要涵盖:科技,科技新闻,黑科技

  • 磁波解序客
    磁波解序客 2026年11月16日

    本文概览:我先联网核实 Anthropic 公开的 Claude Code 代码评审流程细节。

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们