AI 写九成代码，回滚反降四成：Claude Code 团队这样审代码
合并的 PR 翻了一倍，被回滚的比例反而降了四成多——Anthropic 说 Claude Code 团队做到了，还把作业公开了。
10 月 15 日，Anthropic 在 claude.dev 博客发了《How the Claude Code team does code review》，三位作者署名，讲的是一个很现实的问题：agent 一天能交几十个 PR，人还读得过来吗？
变更量涨到 12 倍，逐行读不现实了
先看博客里的三组数：
- Anthropic 主仓（monorepo）每天落地的变更：5 月约 2,500 个，9 月超过 30,000 个，四个月涨到 12 倍以上。
- Claude Code 自己的仓库：6 月到 9 月合并 PR 翻了一倍多，需要回滚的占比下降超过 40%。
- AI 审查研究预览上线时，内部 PR 收到「实质性审查意见」的比例从 16% 升到 54%。
| 以前 | 现在 | |
|---|---|---|
| 什么时候审 | 写完开 PR，等同事 | 边写边审，像拼写检查 |
| 谁读代码 | 人逐行读 | 机器读大部分，人看证据 |
| 几个人批 | 一刀切 | 按风险：0 / 1 / 2 人 |
| 出错怎么办 | 靠慢下来 | 靠快发现、快撤回 |
审查没取消，是被拆成了六块
1. 审查前移。开 PR 之前，Claude 先跑测试、构建或端到端检查，把真实输出贴出来，而不是一句「搞定了」；再开一个干净上下文的 subagent 复看 diff。Claude Code 的创造者 Boris Cherny 估计，让 Claude 能自己验证，结果会好 2–3 倍。
2. 多个 agent 互相把关。每个 PR 先过 Claude 审查：几个 agent 并行找 bug，另一组 agent 投票，足够多的 agent 认定是真问题才发出来，纯风格类意见直接丢掉。安全审查单独一道。两边只要还有没处理的意见，就不能合并。
3. 人工审批按风险给。文档、文案、flag 后面的新增功能算低风险，自动检查全绿就不用人批；普通改动要 1 人；最高风险要 2 人。轻路径只给仓库信任名单上的作者；敏感路径和 CI 配置永远要人看；agent 的批准永远不算人的批准。
4. 默认会出错，所以要能撤。合并队列、feature flag、先给员工内部用、latest 渠道先行于 stable，flag 不用重新部署就能关。
5. 防止 AI 审 AI 没完没了。有个 PR 一夜之间被 agent 作者和 agent 评审来回改了 50 多轮。一查 git blame，被反复标出的约 59% 是早就存在的旧代码。现在的规矩：三轮封顶，之后只看新增 diff，按 bug 类别一次修完，不重复发同一条意见。
6. 事故变成考题。历史上出过事的 PR、回滚和修复被整理成评测集，审查器每天跑一遍；同时拿已知干净的 PR 测误报，防止它靠乱报警刷高召回。
与其指望 AI 一次写对，不如把每个错误都变成几分钟就能撤回的小事。
说到底：人和机器重新分了工
把这六块合起来看，变化不在「用了 AI 审查」，在于分工线挪了。覆盖面大、重复性高的检查和验证交给机器；该不该做、架构怎么定、计费和自动更新这类高风险改动、出事谁负责，留给人。按博客的说法，谁让 agent 写的代码，谁就算一位必需的审查人。
小团队照抄这 6 步
- 先给 agent 能跑的检查。写一个短
CLAUDE.md，列清测试和构建命令，加 hook 自动跑格式化和 lint，要求它贴输出。 - 提交前自审。本地跑
/code-review和/security-review，或者开一个新会话的 subagent 看 diff；反复出现的意见写进REVIEW.md。 - PR 上挂 AI 审查。Team/Enterprise 用户用 Code Review for Claude Code，否则用 Claude Code GitHub Action；先挂一个仓库，规定所有审查意见处理完才能合并。
- 写下风险分级。按改动内容定级，不按作者；先严后松。用 CODEOWNERS 和分支保护锁住登录、计费、CI 和发布脚本。独立开发者没有第二个人，就给这些路径强制走一次深度审查加手动验证。
- 给返工封顶。审查最多三轮，之后只审新 diff；PR 模板加「怎么测的、风险、怎么回滚」三栏。
- 把每次翻车存下来。回滚过的 PR 攒成一个小评测集，换模型或改提示词时重跑一遍，命中率和误报一起看。
谁该看，谁先别急
已经让 agent 开 PR、审查排长队的团队最该看；独立开发者可以只拿第 1、2、5 步。还没有像样测试和 CI 的仓库，先补测试——agent 没东西可跑，前面几层都是空的。
几个要打折看的地方：
- 数据都是 Anthropic 自报，没有第三方核实，博客也没拆分每项措施各贡献了多少。
- 他们自己承认，回滚率一涨就自动收紧审批的「熔断」还没做。
- 公开版 Code Review 只发意见、不替人批准；低风险免人工合并是他们内部仓库的做法。
最后
今天只做一件事：在你最常让 AI 改的仓库里写一个短 CLAUDE.md，写清「改完必须跑哪条命令、贴出结果」。这是六步里最便宜、也最先见效的一步。