Anthropic 如何在 Claude 写下 Claude Code 约 90% 代码后重新设计代码评审

核心亮点

Anthropic 公开了 Claude Code 团队的代码评审重构经验：在 Claude 写下约 90% 代码之后，他们重新设计了评审流程，让人和机器的分工发生了根本性变化，评审从"人人互审"转向"机器初审、人类终审"。

具体能力或事件经过

据作者解读 Anthropic 的博客，团队把大部分"阅读"工作交给了机器，人类的注意力则集中在高风险决策上。数据很直观：2026 年 6 月到 9 月，合并的 PR 数量翻倍以上，而回退（revert）率下降了超过 40%。换句话说，代码量上去了，质量反而更稳了，并没有出现"AI 写得多就乱"的担忧。

技术细节

重构的核心是把评审拆成两层：第一层由 AI 做大规模的上下文阅读、风格检查、潜在 bug 和风险点标注；第二层由人类 reviewer 只处理机器标记出的高不确定性区域。这样既消化了暴涨的变更量，又避免了人海战术带来的疲劳误判。monorepo 每日变更量从 5 月约 2500 行增至 9 月超过 30000 行，正是这套流程撑住了吞吐，而不是靠堆人。

与竞品对比

对比传统"全员互审"模式，这种"机器初审 + 人类终审"的分工明显更适合 AI 高密度产出的团队。它不像纯自动化评审那样容易漏掉架构级问题，也比纯人工评审更能扛住量级增长，是介于全自动与全人工之间的务实折中。

行业影响或适用场景

说白了，当 AI 成为主要写代码的一方，评审流程必须跟着重写，而不是把旧流程硬套上去。对任何已经大规模采用编码智能体的工程团队，这篇复盘都是一份可借鉴的操作手册：把人留在最关键的决定上，让机器消化重复劳动，才能既快又稳。