一天合并三万次代码，Anthropic 的人开始看录屏了
Anthropic 的日合并量从 2500 次涨到 3 万次。Addy Osmani 在这场对谈里讲得很直接：人更多是看 Claude 交上来的测试、录屏和截图，逐行读 diff 的时间被省掉了。写代码不再是瓶颈，验证才是。
Anthropic 今年 5 月每天往代码库合并大约 2500 次代码变更，到 9 月已经超过 3 万次。这个数字来自 Addy Osmani 在 AI Engineer 大会上一场 18 分钟的对谈。Addy 在 Google 工作了大约 14 年，长期负责 Chrome 的开发者体验，今年 9 月加入 Anthropic，负责 Claude Code 的开发者体验。提问的 Manish Kapur 在 Sonar 负责产品和开发者关系，Sonar 做代码质量和安全检查工具。
Addy 还提到 Claude.ai 网页版重做，性能提到原来三倍左右，短时间合并了大约 3000 个 PR，参与的不只有工程师，还有产品设计师和其他岗位。一天三万次合并，人不可能逐行看代码。Addy 讲的审查流程分几步。
先让 Claude 自己用一遍
第一步让 Claude 先审一遍。关键在让它像真实用户一样把功能实际用一遍：跑端到端测试，在浏览器里打开页面检查，运行各种工具和代码规范检查。发现 bug 或功能缺口，用 Hook，一种在特定时机自动触发的脚本，每次代码有改动就自动运行检查。Anthropic 自己的代码审查产品也用上。整体思路是尽可能把代码审查自动化。
第二步，把团队的品味写下来。Addy 说团队应该把认为的最佳实践写进共享的 CLAUDE.md、AGENTS.md 这类文件。这些文件放在项目里，专门写给 AI 看，AI 审代码时会参考。
第三步才轮到人。人负责检查 AI 给出的证据。做一个用户在浏览器里用的界面，就让 AI 在浏览器里测过，最好生成一段点来点去的录屏。在意手机或桌面端体验，就让它给出这些设备上的截图或录屏。Addy 的说法是，目标是让 AI 尽可能多地提供验证证据，人有证据就敢说这个能用。
这里最反常识的地方是审查对象变了。过去 review 看 diff，一行行读代码差异。现在在 Anthropic 这套流程里，人看的是 AI 交上来的证据链，测试结果、浏览器录屏、设备截图、运行记录。三万次合并听着像流水线，落到审查上更像验收证据链。省掉的是读代码的时间，验证一步没少。
瓶颈换位置了
为什么验证突然重要？Manish 给了几组数字。持续集成服务 CircleCI 今年分析了 2800 万次自动化流程，代码产出量涨了 59%，但每 10 次往生产环境合并的尝试里有 3 次失败。Sonar 即将发布的一份调查里，76% 用 AI 生成代码的开发者说，代码产出速度快到他们根本来不及验证。写代码这步在变便宜，验证这步没有。
Addy 说现在技术负责人最关心的是怎么在保证有信心的前提下更快上线。过去说一段代码质量高，依据是好的测试、性能基准、需求规格。这些能给人信心的东西，现在可以便宜又快地由 AI 生成出来，人再去修改完善。他认为工程师现在最该花时间的就是检查。下一步提升也不在模型写代码，而在验证。Addy 认为模型质量已经相当不错，他举了 Opus 5.5 为例，更大的空间在验证。
验证要具体。你跟人说验证一下，对方下一个问题就是验证到底指什么。Anthropic 用得最多的是三类：端到端测试，模拟用户从头到尾操作；属性测试，不写一个个具体例子，写一条规则，让程序自动生成大量随机输入去验证；视觉验证测试，通过截图对比检查界面有没有变样。目标是攒够信心，让这些改动自动合并。
Manish 从 Sonar 的角度补了一个多层验证框架，主张零信任。第一层规则固定的自动扫描，查 SQL 注入这类安全漏洞和常见 bug。第二层 AI 审查，查规则扫不出来的逻辑问题，以及代码是否符合本来的意图。第三层软件供应链检查，看项目依赖的第三方代码包里有没有已知漏洞或恶意代码。每一层抓一类问题。
软件工厂分亮灯和熄灯
对谈标题里有个说法叫软件工厂，来自 Addy 今年写的一篇文章。他的定义是把循环规模化：让 AI 一遍又一遍地规划、编写、检查、上线代码。软件工厂分两种。亮灯工厂里，AI 承担这些步骤，但人还在里面，用自己的判断和品味把关。熄灯工厂更像全自动的汽车厂，机器人一直在干活，人退到更上游，只负责定方向，只有遇到最特殊的例外才被叫进来。
Addy 说大多数团队处在两者之间，都在摸索怎么在信得过的前提下一步步提高自动化。AI 能给出的验证越多越让人有信心，就越能往熄灯的方向走。Sonar 的调查显示，目前只有 5% 的公司在用软件工厂，预计会涨到 34%，金融行业是 39%。被问到 2027 年底大多数团队会是哪种工厂，Addy 的判断是亮灯工厂为主，带着一些熄灯的角落。
自动化程度高了，管控成了企业难题。Addy 说几个月前接触的很多公司都在担心同一件事：放手让工程团队用 AI 智能体，结果冒出几百甚至几千个智能体，谁也不知道它们在干什么，它们访问各种系统和数据，可能还在往生产环境部署。企业最关心三件事：怎么控制、怎么分配权限、怎么用沙箱保证智能体不越界。
AI 写的代码要不要在 PR 里标出来？Addy 认为应该。过去工程师对自己写的代码有很强的归属感，在 Anthropic 大家没那么在意 Claude 被署名为作者，更看重给用户交付的东西对不对。标出来还有一个用处：知道是 AI 写的，就能决定要加哪些额外约束和检查。Manish 也同意，至少未来半年到九个月里应该标注，对金融客户来说还关系到审计。两人都强调责任归属不变。Addy 说，就算这次是让 Claude 去干的活，出了问题还是他负责，还得他去修。
有网友补了背景：Anthropic 换掉 Git 的自研版本管理系统叫 Scion，审代码的工具叫 Antique，七个人五个月做完，整个 monorepo 都迁过去了。这条回复在提醒一件事：别家想照搬人只看证据，先得有这套底座。
有开发者在评论里试过类似做法：在 Cursor 里用 Playwright 写几条端到端用例，配合 screen 插件跑完自动生成录屏和截图，直接贴到 PR 里。界面类改动基本能靠这个过审，纯逻辑的 PR 还是得补属性测试才有信心。还有网友说得更实在：证据要便宜，便宜到每次都肯看。贵的证据，人迟早会跳过。
想学，先别关 Review
所以，想少看代码，别先急着把 Review 关掉。先补上 Addy 说的那一步：让 AI 交活的时候附上证据。不知道从哪下手，可以从最容易出问题的界面开始，要求它在浏览器里实际操作一遍，给你截图或录屏。证据还是要你自己看，只是看录屏比读几百行代码快得多。
Manish 的三层验证框架可以参考，不过 Sonar 本身卖代码检查工具，听这部分时心里有个数。
快问快答里，Addy 给技术负责人的建议是推着团队想清楚验证具体指什么，现在测试做到哪一步，离 AI 自己判断代码可以合并、你也放心还差什么。对刚入行的开发者，多积累端到端测试、属性测试的经验。
发布时间: 2026-11-06 01:33