Anthropic 公开 Claude Code 团队代码审查流程：合并量翻倍、回滚率降超四成
Anthropic 工程博客披露 Claude Code 团队审查流程：6 至 9 月合并 PR 翻倍，回滚率降超 40%，六层检查加三级人工审批，三轮封顶。
Anthropic 在 2026 年 10 月 15 日的工程博客《How the Claude Code team does code review》里公开了自家团队的代码审查流水线：Claude 写了 Claude Code 自身约 90% 的代码，6 月到 9 月合并 PR 数量翻了一倍以上，合并后被回滚的 PR 占比下降超过 40%。流程由六层检查构成，从提交前自证到风险分级的人工审批，外加快速回滚兜底。这篇博文经 Addy Osmani 在 X 转发后一天内播放过百万，成了最近一周工程圈讨论 AI 代码审查的基准文本。
要点
- Claude 写了 Claude Code 约 90% 的代码；2026 年 6 月至 9 月，合并 PR 数量「翻了一倍以上」，被回滚的合并 PR 占比「下降超过 40%」（官方博客数据）。
- 流水线为六层：提交前验证、必过 CI、AI 代码审查、安全审查、按风险分级的人工审批、合并队列加特性开关渐进发布，底下再垫快速回滚。
- 审查轮次封顶三轮：此前一个 CLI PR 一夜之间走了超过 50 轮审查；三轮不过就被要求停下重想方案。
背景
AI 写码的比例上来之后，「审查」取代「生成」成了瓶颈：一个 Agent 一晚能提交十几个 PR，人工逐行看既看不动也看不出重点。Anthropic 这篇博客给出的答案是让审查也自动化，但把「批不批」的权力留给人。工程博客本身不发在主站博客，而是放在产品站 claude.dev 的 Engineering 栏，作者署名 Addy Osmani、Morgan Westlee Lunt 和 Qing Wang。第三方很快出现了独立验证：开发者博客 paddo.dev 的作者跑了一个「第二模型」审查脚本，在 9 月 20 日至 10 月 27 日间生成 597 份审查报告，专门复核 Claude 已通过的改动。
事实部分
据 Anthropic 工程博客（2026-10-15）：
| 项目 | 官方数据 |
|---|---|
| Claude 写 Claude Code 代码占比 | 约 90% |
| 合并 PR 变化（6–9 月） | 翻了一倍以上 |
| 回滚 PR 占比变化 | 下降超过 40% |
| 审查轮次上限 | 3 轮，之后停下重想方案 |
| 人工审批分级 | 低风险 0 人 / 普通 1 人 / 最高危 2 人 |
| 极端案例 | 一个 CLI PR 超过 50 轮审查（改革前） |
风险分级按改动本身而非作者：文档和文案类低风险改动在自动化检查全绿后无需人工审批；普通产品改动（含缓存、自动更新器这类敏感区）一人审批；最高危代码和指定路径两人审批。配套规则包括：只有信任名单上的作者能走轻量路径，Agent 的批准永远顶不了人的一票，审批绑定具体 commit，换了无法验证的新 commit 就要重批，驱动 Agent 写 PR 的人本身算一名必需审查者。
安全审查是独立一层：未决的安全发现会直接阻止合并。AI 审查层用并行「虫猎手」子代理扫 diff，再用 Agent 投票过滤误报。
各方说法
paddo.dev 的独立文章《Claude Reviewing Claude》提供了最直接的外部核验：作者让第二模型复核 Claude 已通过的 51 处改动，45 处发现了确认的 bug，其中 29 处属于严重问题；但第二模型约四分之一的发现是误报。这篇文章的核心批评不在流程而在同质化——整条审查线上的每个审查者都是 Claude 自己，「如果 Claude 有盲区，五个 Claude 共享同一个盲区」，并举了 Codex、Grok、Gemini 抓到 Claude 放过的严重 bug（Stripe 双重扣款、未鉴权的本地控制服务、路径穿越）作对照。
Addy Osmani 在 X 上的转发让这篇博客一天内过百万阅读，讨论的焦点集中在「低风险改动零人工审批」是否激进。HN 上的从业者讨论则更多落在三轮封顶上：多数人认可「审查轮数与质量不成正比」，但担心封顶会把边缘问题赶到线下沟通。
编辑判断
对一个用 AI 写代码的团队，这份流程图的可复用 pieces 是三件：审查轮次封顶（防「越审越好」的直觉陷阱）、按改动分级而非按作者分级（同一个 PR 不因资深而免审）、证据先于批准（Agent 说「做完了」不算，测试、构建、截图比对过了才算）。诚实的限定也要读出来：回滚率降四成是 Anthropic 自家数据，没有第三方基准可对照；六层流水线的运维成本只在百人级工程组织里被验证过，五人团队照搬大概率是过度工程；而「全部审查者同为 Claude」的结构性风险，paddo.dev 的 29 个严重 bug 样本已经给出了量级——如果你的生产代码也大量由单一模型生成，在审查线里放一个异构模型是这份流程没有写但数据支持的动作。单一模型自报可信度的失效模式，可对照我们此前的 「神经网络本来就是干净的？」 及其引发的 second opinion。