上周有个PR在Anthropic跑了一整夜：写代码的是AI，审代码的也是AI，两边来回改了50多轮，最后靠人出手才叫停。
这不是段子，是Claude Code团队自己写进官方博客的坑。10月15日，他们把内部的代码审查流程整个晒了出来。背景数字比段子更夸张：Claude Code自己的代码，约90%由Claude写成；全公司共用的大仓库，每天合并的代码改动5月约2500个，9月超过3万个，四个月翻了12倍。靠人逐行看，根本看不过来。知乎Anthropic官方博客
但6到9月，他们合并的PR翻了一倍多，需要回滚的比例反而降了40%以上。看的人少了，错也少了。微博
核心思路：一摞带洞的奶酪片
每道检查都是一片带洞的奶酪：能拦下一些错，也必然漏掉一些。单看每片都漏，叠多了洞就很难对齐，错误想一路穿到底极难。最底下还有一张"几分钟就能回滚"的网兜着，真漏了也能快速捞回来。
这摞奶酪里，大部分片是机器：AI写完代码，得先自己跑测试、跑构建，把真实输出摆出来，光说"我做完了"不算数；然后再派一个没看过前文的新会话Claude，单独审一遍diff——就像作文写完，找个没参加过讨论的同学来挑错。提交之后，还有多Agent审查加投票过滤误报、独立的安全扫描、合并队列里全量重跑检查、功能开关控制的分批放量。
人只出现在最关键的位置，只做5类决定：这事该不该做、高风险代码、会被别人照抄的架构、看懂证据、为结果负责。知乎
几条扎心的规矩
AI的批准，永远不算人的批准；
谁给AI下的指令，谁就是必需的审查人——锅不能甩给模型；
要几个人审，看改动风险不看作者：低风险（文档、文案、开关后面的新功能）0人，中风险1人，高风险2人；敏感路径和CI配置文件，永远要人看。微博
AI审AI没完没了？定个上限
回到开头那个50轮的PR。团队查了下：审查方反复指出的问题，约59%在第一轮时就已经在老代码里了——它很少发现新bug，每轮只是多挖出几个旧的。人看到鸡毛蒜皮的意见，几秒钟划过去；AI会老老实实去改，改完多一个新commit，又触发一轮审查，无限套娃。Anthropic官方博客
他们的解法很朴素：最多审3轮；超过3轮，让作者退一步重新想方案；之后只审增量diff；提过的问题不再重复。效果立竿见影：一轮就过的PR从65%涨到78%，要5轮以上的从8.9%降到1.5%。微博
漏掉的洞也不浪费。过去引发过线上事故的PR被收集起来，工程师标注出bug在哪，做成一本"错题集"，审查AI每天考一遍；改提示词、换模型，分数涨了才留下。每出一次事故，就多一道题。知乎
还有个很现实的问题：机器读了大部分代码，人怎么懂代码？团队的答案是——没人需要把全部代码装在脑子里。想弄懂哪一块，就让Claude专门给那块写一份讲解，几分钟就好，讲的还是代码此刻的样子。逐行读一个改文案的diff学不到什么，但马上要动的那块代码，有一份现写讲解，能学到很多。Anthropic官方博客
普通人能抄的作业
不需要Anthropic的基建也能上手，两件事今天就能做：给你的AI写一份CLAUDE.md，说清楚怎么跑测试、有哪些规矩；交代码前，先跑一遍/code-review。Claude Code创始人Boris Cherny有个判断值得抄在墙上：给AI一个验证自己工作的办法，可能是拿到好结果最重要的一件事，他估计能让结果好两到三倍。知乎
最后提醒一句：以上数字全部出自Anthropic自曝，是一家团队的实践，不代表放之四海皆准。但方向已经很清楚——AI写代码之后，人没有失业，只是换了岗：从逐行把关的审稿人，变成做判断、担责任的人。慢下来确实能少犯错，可那主要是因为你做得少了。更快的发现错误、更快的修好，才是这套打法真正想卖的东西。微博
