
Claude Code 团队的代码评审:六月到九月合并 PR 翻倍以上,回滚占比降逾 40%,人只审风险与方向
Claude Code代码评审REVIEW.md风险分层回滚
一句话结论
Claude Code 团队在 agent 写约九成代码的前提下,把评审改成持续多层检查:PR 前自测与子代理审、每 PR 的 AI/安全评审、按风险分层的人类批准,以及合并队列与快速回滚;六月到九月合并 PR 翻倍以上、需回滚占比降逾 40%,目标是多数 PR 最多一名人类在环且回滚与事故不升。
打开原文
claude.dev:How the Claude Code team does code review
背景与理念
作者开篇点明:Claude 大约写了 Claude Code 自身约 90% 的代码,问题变成如何在这种产量下做评审。Anthropic monorepo 日合并从约 5 月的 2500 升到 9 月逾 3 万;Claude Code 虽在独立仓库,压力同样大。他们不再把「是否有人读过每一行」当成质量代理,而问「这件事可能怎样坏,该由自动还是人来抓」。稀缺资源是人的时间与注意力:既含审阅时间,也含坏代码带来的修复时间。
具体做法
- PR 前先自证。给 Claude 可跑的检查(测试、构建、对照设计的截图),并要求出示输出;再用新鲜上下文的子代理审 diff。不少人还会跑找 bug、简化 diff、端到端行为等内部 skill;UI 对照设计规范。Boris Cherny 称「给 Claude 验证手段」可能是出好结果最重要的一点,并估可让最终结果好约两到三倍。
- 用 CLAUDE.md / REVIEW.md 固化约定。CLAUDE.md 写清栈、约定、目标与非目标并保持短小;REVIEW.md 由代码所有者写明该区域何谓失败、限制 nit、跳过路径,并要求给文件与行号证据。
- 每条 PR 先过 AI 评审与安全评审。对照全库与 PR 意图找问题;研究发现预览期有实质评论的内部 PR 占比从 16% 升到 54%。发现先由其他 agent 投票,够票才发帖;风格/诊断/清理类丢掉。安全与 bug 发现未关闭则不能合并。管理员可按仓库选 Quick / Standard / Deep。
- 人类批准按风险分层。低风险(文档、文案、旗后的加性改动)自动化与安全绿了可不要求人;中风险一人;高风险与敏感路径两人。分类器读变更定档,另一分类器可再要求加人。仅受信作者走轻路径;agent 批准永不顶替人;提示改动的人算一名必需审阅者。批准绑定具体 commit,不可信任的新提交要重批。
- 合并队列、旗、灰度与回滚。合并队列在应用到 main 后重跑检查;新行为常先对内开旗;`latest` 先于 `stable`。出事靠旗关闭、周轮值与事故复盘问哪一层该拦住。为抑制 agent 作者与 agent 审阅员互相拉扯(有 CLI PR 隔夜逾五十轮),加上轮次上限(约三轮后要求作者退回想方案)、首轮后只审新 diff、按 bug 类修全量、禁止重复已发发现。事故 PR 做成每日 eval;用人们如何处理评论来量噪声。
关键数据/例子
六月到九月 Claude Code 仓库合并 PR 翻倍以上,需回滚占比降逾 40%;公司 monorepo 日合并从约 2500 到逾 3 万。AI 评审预览期:有实质评论的内部 PR 从 16% 到 54%;对评审员反复标记做 git blame,约 59% 是首轮起就存在的旧代码。目标度量包括每 PR 人类批准数(中位与 95 分位)、人类评论数、等人时长,并以回滚与事故率为护栏。Boris 关于验证手段「约两到三倍更好」的估计写在文中。
创新点
第一,把评审改成「风险分层的持续检查 + 快速回滚」,而不是末日闸门式人工逐行读。第二,用 REVIEW.md、发现投票、轮次收敛与事故 eval,专门治理 agent 评审的噪声与无限互刷。第三,明确人只守方向、高风险路径、架构范式与最终责任,并用「你落地你拥有」加可逆性文化承接剩余差错。
可否复用
- 先给编码 agent 可跑验证(测试/构建/截图),并在 PR 前加一轮新鲜上下文审 diff。
- 写短 CLAUDE.md,再为敏感目录写 REVIEW.md,把反复出现的评审意见沉进文件与 lint。
- 每 PR 强制 AI 评审 + 安全评审 + 线程必须回复;按变更风险定人类批准人数,禁止 bot 顶替人。
- 给 agent 互审加轮次上限与「只审新 diff」,把事故与回滚做成评审器的回归集,并以回滚率护栏约束「少用人审」。