AI写了90%的代码，Claude Code团队怎么做Review

Addy Osmani发了一篇长文，讲Claude Code团队怎么做代码评审。标题叫《How the Claude Code team does code review》。

先看数据。这个仓库里90%的代码由Claude编写。今年6月到9月，合并进代码库的PR数量翻了一倍多，回滚比例反而降了40%以上。

AI写了九成代码，谁来审？看的人少了，错怎么反而少了？有开发者配了个视频，把这问题画成一张海报。

核心逻辑不复杂：AI协助阅读代码，技术决策仍然交给人类。这个方向和Linear新出的Guided Review一致。但Claude Code团队把执行拆得很细。

整个流程有六层检查，外加回滚兜底。多数bug过不了全部六层。下面是关键环节。

1. PR之前的验证

口头说“做完了”不算数。让Claude跑测试、构建、对比截图，把结果摆出来。再叫一个subagent用全新上下文审diff。Boris Cherny（Claude Code作者）估计，验证过程能把输出质量提高两到三倍。

2. 每个PR先过AI review

每个PR在人工看之前，先过一遍Claude。它把diff放到整个代码库和PR意图里看：是否真的解决了问题，是否适配更大的系统，是否破坏了其他部分。修bug时尝试找根因。

发现的问题分三档：Important、Nit、Pre-existing。所有评论必须处理，要么修，要么说明理由。很多情况下agent会连夜修掉，作者早上起来，PR已经被再审过一轮了。

3. 安全审查

自动跑，能阻塞合并。有未关闭的finding就不能merge。误报就写一句简短理由关掉。

4. 自动化检查

lint、类型检查、全平台测试、构建。典型的CLI PR，人工介入前已经有几十个检查跑完了。PR模板会问“怎么测的”“怎么回滚”，Claude能帮忙填，但作者要负责复核。

5. 人类审批，按风险分级

风险由改动本身决定，不是作者。分类器判断风险等级，另一个分类器判断是否真的需要额外审批。计费、CI工作流这类敏感路径永远要人批。

agent写PR时，操作agent的人被算作reviewer。审批只对单个commit有效，新commit不可信就必须重新批。

6. 合并队列、功能开关、分阶段发布

merge queue确保所有检查在main上通过，避免两个成功PR合并后main挂掉。新功能默认藏在feature flag后面，Anthropic员工先用，再逐步公开。

7. 回滚兜底

坏merge一定会漏。feature flag可以不部署就关闭。每周有on-call，事故复盘会倒查哪一层该拦住。

这套系统自己也在被迭代。团队把incident当eval：收集引发事故的PR、修复和回滚，每天拿这套数据评估review系统。噪音也被追踪：人是怎么处理评论的，修了、拒了、还是说明有意为之。

有个细节很典型。agent作者和agent reviewer会陷入循环。一个PR一晚上来回改了五十多轮，最后人工叫停。团队后来限制循环次数，三轮之后只审新diff，避免重复报告已经看过的问题。

人工reviewer仍然重要：决定要不要做这个功能、审计危险代码（计费、自动更新器、CI）、架构评审、验证proof（测试输出、命令、截图、review评论）。以及承担责任。每一行代码上线，都有一个具体的人负责。

团队上下文传递的方式也变了。没人脑子里有整个代码库的全貌。想了解某块代码，就让Claude生成一段explainer，几分钟，而且是实时的。有人还会让Claude做个mini artifact，可视化这块代码，用自己的风格讲。

“你合的你负责”。小改动出了问题，默认自己修。小改动容易审、容易debug、容易回滚。feature flag和分阶段发布能在几分钟内逆转大多数错误。高风险代码有更多眼睛。它不是追责文化，出问题的人拥有最多的上下文。

长文在开发者里传得很快，评论区有不少实在讨论。Gaurang Karia发了一张图，说review的形状变了。过去看代码本身，现在看意图：目标、为什么、试图实现什么。

有网友说，现在团队里每个人都维护一套自己的code review，角度不一致，效率不高，互相能re出对方没re出来的风险。另一个网友补了一句，人类决策没有成体系。

有网友总结，核心不是让AI看代码，是让它按团队规范给出一致判断。规范没写清楚，AI只会放大分歧。

有人质疑回滚比例降40%是沾了迭代成本低的光，有问题一句prompt就能修。这个说法被一句话顶了回去：减少40，意味着之前至少有40。

也有提到成本的。这套全跑起来，一般公司付不起。一个开发者回复，正在推进把研发AI补贴提到每月3000。

文章末尾给了实施清单，简单整理一下：

PR之前：把可运行的检查写进CLAUDE.md，配好hooks，本地跑/code-review和/security-review，建REVIEW.md记录反复出现的问题。

每个PR：强制CI。PR模板加三栏：怎么测的、风险、怎么回滚。加AI reviewer和自动安全审查。所有review线程必须resolve才能合并。常规改动快速过，高风险区域深审。

审批：风险等级由改动决定，严格起步，有数据后再放宽。trusted list才放松要求。bot审批不算。敏感路径用CODEOWNERS锁人。

合并：用merge queue。feature flag。先内部试用。分阶段发布。一键回滚。拿incident和revert当eval持续迭代。

有开发者说了句贴切的总结：Claude写代码，Claude审代码，这是软件行业离“自清洁烤箱”最近的一次。