Anthropic の code review はどう运用されているか
8/24、Anthropic は claude.dev/blog に「How the Claude Code team does code review」を公開した。HN のトップには 39 ポイント獲得し、29 件のコメントも投稿された。これは単なる「AI がすべてを変える-PR」ではない。Claude Code チームが数か月運用してきた社内ワークフローを、详细に明かした内容だ。
AI Agent を開発していて、LLM を実際のソフトウェア開発流程にどこまで組み込めるか wondered なら、一読する価値がある。
Anthropic 自身の code review 方法
分析与粗糙にまとめると、人が PR の diff を最初から読むのではなく、Claude Code で reviewer agent を動かし、未知の codebase への入口として diff を読ませている。
運用方法は次の通りだ。
- PR が提出されると、GitHub Action が自動的に
@claudeを起動して PR にコメントを投稿する。そこには PR の概要、重要な変更、潜在的なリスクが記載される。 - reviewer はコードを一から読む必要がなく、AI の要約を確認したうえで、CCN が自行で選んだ重要な疑点を検証する。
- 30 分ごとに、AI agent は PR への新しいコメントを検索し、質問に回答したり、コードを修正したりする。
- マージ前には、必ず人間が LGTM(Looks Good To Me)を示す必要がある。
最も重要なのは、Anthropic が prompt の一部分も公開していることだ。reviewer agent の中核となる prompt の抜粋を示すと、次のようになる。
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.
最後の「don't make up issues」が及各所だ。Anthropic は AI review でこの原則を繰り返し強調している。
reviewer の代替ではなく、確認項目を増やす仕組み
多くのコメントは元記事を「AI が reviewer を置き換える」と読み違えていた。しかし実際には、Anthropic は review を二層に分けている。
AI が担当する作業(自動化レイヤー)
- 構文やスタイルのチェック(linter で対応できる範囲)
- テストカバレッジのスキャン
- インターフェース契約の一致確認(types、signature の変化)
- デフォルト値、エラー処理、log の変更確認
- diff の要約による 1 行サマリー。人が 5 秒で PR の内容を理解できるようにする
人が review する作業(判断レイヤー)
- アーキテクチャ上の判断
- API 設計の妥当性
- 境界値ケースと業務ロジック
- 「6 か月後もこのコードを維持する人はいるか」
Anthropic 自身的表現は率直だ。
「We're using AI to handle the parts that humans find tedious, so humans can focus on the parts only humans can do.」
AI を万能な reviewer として扱うのとは全く異なる。AI は承認_results の最終判断は出さず、承認の責任を持つのはエンジニアのままだ。
HN のコメントで議論された論点
HN では 39 ポイントに 29 件のコメントが付き、肯定・否定両方の意見が集まった。HN の投稿 を見ると、議論は主に 3 点に集中している。
1. reviewer の責任範囲
最多票の反対意見は、従来越 AI が「問題ない」という PR summary を出し、人間 reviewer がそれをibia流に確認して通過させた場合、最終的に誰が責任を負うのかという疑問だった。
このコメントはトップ 页 に掲載され、核心论点になったのが「automation bias」だ。自動化の結論に人が依存することで、人間が疎かになり、実際に確認しなくなるという批判である。Anthropic もこの点には这篇で認めており、LGTM は必ず人間に必須としている。
2. AI の提案が濫用されないか
AI が reviewer に留まらず、直接 PR に修正を提案するのはいつ頃なのかとの質問に対して、Anthropic の回答は「すでに実践している」だった。AI agent は PR に fix suggestion を残すが、変更が反映されるのは人間が apply を選択した場合だけである。直接 auto-merge する場合とは全く異なる運用だ。
3. 小規模チームには再現しにくい
一つのコメントが的を射た。「Anthropic では 50 個の reviewer agent が動いているが、通常のチームでは 1 個を維持することすらできない」
確かにこれは painful point だ。Claude Code 自体は建构费が安い(token 課金)ものの、prompt テンプレート、threshold の調整、fail-safe の設計が必要だ。この engineering 能力がすべてのチームに用意されているわけではない。
まねしやすい 3 つの実践
プロセス全体をそのまま再現する必要はないが、押さえておきたい engineering practice が 3 つある。
1. review を二層に分け、境界を明示する
AI にすべての review を任せようとしてはいけない。AI が担当する作業と人が担当する作業を明確に列挙し、文書化する。自社でも AI に lint、coverage、インターフェース変更のスキャンを実行させ、人は設計と境界値ケースを確認する運用を採っている。
2. prompt に「don't make up issues」と明記する
これがシステム全体の信頼性を支える前提になる。LLM は一本正经な poco な問題を作り出すことがあるため、reviewer agent にこの制約を追加する方が、评分机制 を追加するより効果的だ。
3. reviewer は「-outsider の視点」を保つ
Anthropic は agent に対して「as if you're joining a new team」すなわち「新しくチームに加わった bajado一样に PR を理解する」视角 を明示している。
この視点は重要だ。reviewer は author の内容を反復するだけでなく、新人に Standing して質問する立场に立つべきだ。prompt に「Assuming you are a newly joined engineer and need to understand this PR」と書くのは、「Evaluate the quality of this code」と書くより 10 倍 @$して 効く。
次の checklist はそのまま検討できる。
- [ ] 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"
編集者の視点
この事例で重要なのは「Anthropic がどのような AI ツールを使っているか」ではない。Anthropic が自社 engineering 文化を公開したという事実のほうが重要だ。
大기업は通常、開発 process を秘密にする。模倣、人才の獲得、競合他社との比較を恐れるためだ。今回の Claude Code チームの review process は、prompt テンプレートの例まで含めて明かされている。この透明性は AI 業界でも珍しい。「AI で X を革命的に改善した」という PR に比べるなら、この Jen範 のほうが学ぶ価値が大きい。
一点の非共识な観察がある。多くのチームが AI 応用の学び方としては prompt の書き方や Agent の組み合わせ方を学ぶが、実際に差が出るのはワークフロー設計だ。Anthropic が公開したのは前者ではなく、後者だった。
もう一つ指摘すべき risk がある。この process は社内の Claude Code チームで得られたものであり、そのチームのエンジニア水準、製品の特性、review の習慣には特殊な部分がある。他の会社(例えば 10 人の SaaS チーム)にそのまま移しても機能するとは限らない。prompt をそのまま使うのではなく、process 設計における分層の発想をまねしてほしい。これが原 pragieを読んだisdiction 最大の收获だ。
来源:claude.dev/blog/solving-code-review-at-anthropic | HN 讨论:news.ycombinator.com/item?id=50122951