做编程AI的公司，自己的代码早就有九成是AI写的了。微博微博
上周，Claude Code团队公开了内部的代码审查做法，信息量不小：Anthropic全公司代码库，9月一天要合并三万多次修改，5月这个数字还只有2500次左右。从6月到9月，合并的修改量翻了一倍多，需要回滚的比例反而降了四成多。36氪微博
看的人少了，错反而少了。怎么做到的？
一摞带洞的奶酪
团队方法的核心思想朴素得可笑：把每道检查想成一片瑞士奶酪。每片都有洞、都会漏，但几片叠起来，洞很难对齐，错误想一路穿透就难了。最底下再铺一张网，真漏了也能快速捞回来。微博
第一片奶酪在提交代码之前：Claude写完代码，要自己跑测试、编译、过规范检查，光说"做好了"不算数；然后再派一个没看过写作过程的新Claude单独审一遍——像作文写完，请一个没在场的同学挑错。
进了CI流水线后，多个AI同时找问题，再由另一组AI投票，票数够了才算真问题。这套机制刚在内部上线时，收到实质意见的代码申请比例，从16%涨到了54%。微博
人看不看？看风险
一个分类器读完修改内容来定档：改文案、藏在功能开关后面的新特性，自动检查全过就不用人批；普通改动要一个人批；风险最高的代码要两个人批。另有两条铁律：AI的批准不算人的批准；谁让AI写的代码，谁就算一个审查人，要为结果负责。微博
AI审AI，差点走火入魔
这套系统也翻过车。有一份申请一夜之间审了改、改了审，来回五十多轮，直到作者手动叫停。一查，审查AI反复揪住的问题，约59%是第一轮就存在的老代码——人看到这种鸡毛蒜皮几秒就跳过，AI却会老老实实去改，于是又多出一轮审查。微博
后来他们立了规矩：最多审三轮；三轮之后请作者退一步想想思路对不对；后面的轮次只审新改的部分。结果一轮通过的申请从65%涨到78%，要五轮以上的从8.9%降到1.5%。微博
他们还维护一本"错题本"：把过去闯过祸的修改收集起来，让审查AI每天重做一遍，改提示词、换模型，分数涨了才留下。每出一次事故，错题本多一道题，奶酪上的洞就补一个。
换个牌子的AI，裁判更靠谱
Meta最近一篇论文殊途同归：让两个不同的编码代理互审补丁，比给一个代理更大预算更能抓住无声bug。同一任务混用Claude Code和Codex，完全正确补丁的比例从45.8%提到62.5%。微博arXiv
原因很直白：同一家产品的模型会犯一样的错，审查几乎抓不到什么；换一家，错误不相关，网才兜得住。微博
你今天就能抄的三件事
给项目写一份CLAUDE.md，讲清怎么跑测试、有哪些红线，这是给AI的说明书；
交代码前跑一次/code-review，让新会话来审，别让写代码的AI自己当裁判；
条件允许，让另一家模型来review。
最后泼盆冷水：以上数字都是Anthropic团队自己公布的，只是一个团队的做法，照抄未必能复现。但方向值得参考——人的价值正在从"逐行读代码"，挪到机器做不好的判断上：这事该不该做、哪里危险、出了事谁负责。微博
