实战

Anthropic 内部 code review 长啥样:Claude Code 团队自曝流程

Anthropic 在 claude.dev 发了一篇自家 Claude Code 团队的代码审查流程,HN 首页 39 分、29 条评论。AI Agent 做 code review 到底靠不靠谱?原文把 prompt 和工作流都拆开讲了。

字号

8/24,Anthropic 在 claude.dev/blog 发了一篇《How the Claude Code team does code review》,HN 首页挂了 39 分、29 条评论。这不是那种"AI 改变一切"的口水文,而是把 Claude Code 团队跑了好几个月的内部工作流剥开给你看。

如果你在做 AI Agent,想搞清楚 LLM 在真实软件流程里能顶什么事,这篇值得读一遍。

Anthropic 自己怎么审查代码

原文做法一句话总结:不让人去对比 PR diff,而是用 Claude Code 跑一个 reviewer agent,把 diff 当陌生 codebase 的入口去读。

具体怎么跑:

  1. PR 提上来时,GitHub Action 自动触发 @claude 留 PR comment,里面给 PR 总结、关键改动、潜在风险点
  2. Reviewer 不需要从头读代码,直接看 AI 总结 + 自己挑重点疑点验证
  3. 每隔 30 分钟,AI agent 在 PR 上搜一遍新评论,回答问题或修代码
  4. 合并前必须有人类 LGTM

最关键的点是这个:Anthropic 把 prompt 也公开了一部分。原文给了一个 reviewer agent 的核心 prompt,截取:

You are an expert code reviewer. Analyze this PR as if you're joining a new team and need to understand:
1. What does this PR do in plain English?
2. What files are changed and why?
3. Are there any obvious bugs, race conditions, security issues?
4. What's missing? Tests, error handling, logging?
5. Flag any concerns but don't make up issues.
If unsure, say "I'm not sure" rather than invent problems.

注意最后一句——"don't make up issues"。这是 Anthropic 在 AI 评审里反复强调的原则。

不是替代,是让 reviewer 多打几个勾

很多评论误读了原文,把它当成"AI 取代 reviewer"。实际上 Anthropic 把 review 拆成了两层:

AI 干的活(自动化层):

  • 语法 / 风格检查(linter 能做的)
  • 测试覆盖度扫描
  • 接口契约是否对齐(types、signature 变化)
  • 默认值、错误处理、log 是否改到了
  • 一行 diff summary,让人 5 秒看懂 PR

人 review 的活(判断层):

  • 架构决策
  • API 设计是否合理
  • 边界 case 和业务逻辑
  • "这段代码 6 个月后还会有人维护吗"

Anthropic 自己的话很直白:

"We're using AI to handle the parts that humans find tedious, so humans can focus on the parts only humans can do."

这跟把 AI 当万能评审员是两回事。AI 不签字,签字的还是工程师。

HN 评论区在吵什么

HN 上 39 分、29 条评论,正反两派都有。原帖地址 我大概翻了下,争议集中在三个点:

1. Reviewer 责任归属

最高赞的反对意见是:如果 AI 给了一个 PR summary 说"没问题",人类 reviewer 草草扫一眼就过了,最后出事算谁的?

这条评论被顶到了第一页,核心论点叫 "automation bias"——自动化结论让人类变得懒惰,不再真正去看。Anthropic 在文里也承认这点,所以强制 LGTM 必须是人类。

2. AI 提案会不会被滥用

有人问:什么时候 AI 不只是 reviewer,而是直接在 PR 里提 fix?

Anthropic 的回答是:已经在做了。AI agent 会在 PR 里留 fix suggestion,人类点 apply 才会改。这跟你直接 auto-merge 完全不一样。

3. 小团队抄不动

一条评论说得很扎心:"Anthropic 有 50 个 reviewer agent 在跑,普通团队连一个都养不起。"

这条确实戳到痛点。Claude Code 本身不贵(按 token 计费),但你得有 prompt 模板、得调阈值、得有 fail-safe。这套工程化能力不是每个团队都现成的。

值得抄的 3 个点

不一定要照搬整个流程,但有 3 个工程实践很容易抄:

1. 把 review 拆成两层,明确边界

不要想着让 AI 干完所有 review。明确列出 AI 干的活和人干的活,文档化。我们小团队也是这么做的,AI 跑 lint + coverage + 接口变更扫描,人 review 设计 + 边界 case。

2. Prompt 里写明 "don't make up issues"

这一点是整个系统能跑起来的前提。LLM 很容易一本正经胡说,给 reviewer agent 加这个约束比加任何评分机制都管用。

3. Reviewer 必须是陌生人视角

原文里 Anthropic 反复强调:agent 是 "as if you're joining a new team"。

这个角度很重要。Reviewer 不是 author 的复读机,是要站在新人立场问问题的。Prompt 里明写"假设你是新加入的工程师,要理解这个 PR",比"请评估这段代码质量"好用 10 倍。

附带一个 checklist 可以直接抄:

- [ ] PR summary 一句话能讲清楚干嘛
- [ ] Diff 按文件分组,标注风险等级
- [ ] Tests 是否新增?覆盖率变化?
- [ ] 是否有 backwards-incompatible 变更?
- [ ] Error handling / logging 是否补齐?
- [ ] AI 不确定的地方必须标注 "Not sure"

编辑思考

这事最重要的一层不是"Anthropic 在用什么 AI 工具",而是 Anthropic 把自己的工程文化公开了。

大厂一向对自己的开发流程讳莫如深,怕被抄、被挖人、被对比。这次 Anthropic 把 Claude Code 团队的 review 流程剥开了,连 prompt 模板都给了几个示例。这种透明度在 AI 行业里是稀缺的——比起那种"我们用 AI 革命性改造了 X"的 PR 文,这篇反而更值得学。

一个非共识观察:大多数团队学 AI 应用都去学 prompt 怎么写、Agent 怎么编排,但真正能拉开差距的是 工作流设计。Anthropic 公开的是后者,不是前者。

还有个隐患值得点出来:Anthropic 这套流程是在内部 Claude Code 团队试出来的,那个团队的工程师水平、产品形态、review 习惯都很特殊。把它平移到其他公司(比如一个 10 人小团队做 SaaS),可能水土不服。别照搬 prompt,照搬流程设计的分层思路——这是我看完原文最大的收获。

来源:claude.dev/blog/solving-code-review-at-anthropic | HN 讨论:news.ycombinator.com/item?id=50122951

来源: https://claude.dev/blog/solving-code-review-at-anthropic/