8/24,Anthropic 在 claude.dev/blog 發了一篇《How the Claude Code team does code review》,HN 首頁衝到 39 分、29 則留言。這不是那種「AI 改變一切」的內容農場文,而是把 Claude Code 團隊跑了數個月的內部工作流整個攤開來給你看。
如果你正在做 AI Agent,想搞清楚 LLM 在真實軟體流程裡到底能撐哪些事,這篇值得讀完。
Anthropic 自己怎麼審查程式碼
原文的做法一句話講完:不讓人直接去對 PR diff,而是用 Claude Code 跑一個 reviewer agent,把 diff 當陌生 codebase 的入口去讀。
具體流程:
- PR 提上來時,GitHub Action 自動觸發 @claude 留 PR comment,內容包含 PR 摘要、關鍵改動、潛在風險點
- Reviewer 不用從頭讀程式碼,直接看 AI 摘要 + 自己挑重點疑點驗證
- 每隔 30 分鐘,AI agent 在 PR 上掃一輪新留言,回答問題或修程式碼
- 合併前必須有人類 LGTM
最關鍵的一點是這個:Anthropic 也公開了一部分 prompt。原文給了一段 reviewer agent 的核心 prompt,擷取如下:
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.
注意最後一句——「don't make up issues」。這是 Anthropic 在 AI 審查裡反覆強調的原則。
不是取代,是讓 reviewer 多打幾個勾
很多留言誤讀了原文,把它當成「AI 取代 reviewer」。實際上 Anthropic 把 review 拆成兩層:
AI 負責的部分(自動化層):
- 語法 / 風格檢查(linter 能做的)
- 測試覆蓋率掃描
- 介面契約是否對齊(types、signature 變動)
- 預設值、錯誤處理、log 有沒有被改到
- 一行 diff summary,讓人 5 秒看懂 PR
人類 review 的部分(判斷層):
- 架構決策
- API 設計是否合理
- 邊界 case 與商業邏輯
- 「這段程式碼 6 個月後還會有人維護嗎」
Anthropic 自己的說法很直白:
「We're using AI to handle the parts that humans find tedious, so humans can focus on the parts only humans can do.」
這跟把 AI 當萬能審查員是兩回事。AI 不簽字,簽字的還是工程師。
HN 留言區在吵什麼
HN 上 39 分、29 則留言,正反兩派都有。原帖連結 我大概翻過一輪,爭議集中在三個點:
1. Reviewer 責任歸屬
最高讚數的質疑是:如果 AI 給了一個 PR summary 寫「沒問題」,人類 reviewer 草草掃一眼就放行,最後出包算誰的?
這則留言被頂到第一頁,核心論點叫 「automation bias」——自動化結論會讓人類變懶,不再真的去看。Anthropic 在文裡也承認了這點,所以強制 LGTM 必須是人類。
2. AI 提案會不會被濫用
有人問:什麼時候 AI 不只是 reviewer,而是直接在 PR 裡提 fix?
Anthropic 的回答是:已經在做了。AI agent 會在 PR 裡留 fix suggestion,人類點 apply 才會改。這跟直接 auto-merge 完全不一樣。
3. 小團隊抄不動
一則留言講得很扎心:「Anthropic 有 50 個 reviewer agent 在跑,一般團隊連一個都養不起。」
這條確實戳到痛點。Claude Code 本身不貴(按 token 計費),但你需要 prompt 模板、要調閾值、要有 fail-safe。這套工程化能力不是每個團隊都有的。
值得抄的 3 個重點
不一定要照搬整個流程,但有 3 個工程實務很容易學:
1. 把 review 拆成兩層,明確邊界
不要想著讓 AI 全部做完。明確列出 AI 做的和人類做的,寫成文件。我們小團隊也是這樣跑,AI 處理 lint + coverage + 介面變更掃描,人類負責設計 + 邊界 case review。
2. Prompt 裡寫明「don't make up issues」
這一點是整個系統能跑的基礎。LLM 很會一本正經胡扯,給 reviewer agent 加這個限制,比加任何評分機制都有效。
3. Reviewer 必須是陌生人視角
原文裡 Anthropic 反覆強調:agent 是 「as if you're joining a new team」。
這個視角很關鍵。Reviewer 不是 author 的複讀機,而是要站在新人立場發問。Prompt 裡明寫「假設你是新加入的工程師,要理解這個 PR」,比「請評估這段程式碼品質」好用 10 倍。
附上一份 checklist 可以直接抄:
- [ ] PR summary 一句話能講清楚做什麼
- [ ] Diff 按檔案分組,標註風險等級
- [ ] Tests 是否有新增?覆蓋率變化?
- [ ] 是否有 backwards-incompatible 變更?
- [ ] Error handling / logging 是否補齊?
- [ ] AI 不確定的地方必須標註 "Not sure"
編輯觀點
這件事最重要的一層不是「Anthropic 在用什麼 AI 工具」,而是 Anthropic 把自己的工程文化公開了。
大廠一向對自家開發流程諱莫如深,怕被抄、被挖人、被比較。這次 Anthropic 把 Claude Code 團隊的 review 流程整個掀開,連 prompt 模板都附了幾個範例。這種透明度在 AI 產業裡少見——比起那些「我們用 AI 革命性改造了 X」的 PR 稿,這篇反而更值得學。
一個非共識觀察:大多數團隊學 AI 應用都在學 prompt 怎麼寫、Agent 怎麼編排,但真正能拉開差距的是 工作流設計。Anthropic 公開的是後者,不是前者。
還有個隱憂值得點出來:Anthropic 這套流程是在內部 Claude Code 團隊試出來的,那個團隊的工程師水準、產品型態、review 習慣都很特殊。平移到其他公司(例如一個 10 人小團隊做 SaaS),可能會水土不服。別照搬 prompt,照搬流程設計的分層思路——這是我看完原文最大的收穫。
來源:claude.dev/blog/solving-code-review-at-anthropic | HN 討論:news.ycombinator.com/item?id=50122951