Claude Code「自产自审」：九成代码不再经过人类

Claude Code 团队如何进行代码评审

How the Claude Code team does code review

这是 claude.dev 博客的一篇工程文章（2026 年 10 月 15 日发布，阅读约 14 分钟），作者为 Addy Osmani、Morgan Westlee Lunt 和 Qing Wang。文章讨论在智能体大量产出代码的情况下如何评审，介绍 Claude Code 团队在实现高覆盖和深度评审后，转而优化“不增加回滚或事故前提下所需的最少人工评审时间”，并列出重新思考评审目的、人的时间与注意力是稀缺资源、分层评审、“你提交你负责”以及团队如何采纳该流程等章节。

Claude Code 在实践中的使用情况

How Claude Code is used in practice

Anthropic 基于 2025 年 10 月至 2026 年 4 月约 40 万个 Claude Code 会话的隐私保护分析，提出一个研究交互式智能体编程的框架，考察任务构成、人机协作方式与成功率。文中指出典型会话里人主要决定做什么、Claude 主要决定怎么做；用户的领域专业度越高，Claude 每次指令完成的工作越多；观察期内用于调试的会话占比下降近一半。

Anthropic 如何每天合并 3 万次代码变更——Manish Kapur（Sonar）与 Addy Osmani（Anthropic）

How Anthropic Merges 30,000 Code Changes a Day - Manish Kapur, Sonar & Addy Osmani, Anthropic

对话讨论编码代理提交 PR 速度快于人工评审的现状，区分“明”“暗”两类软件工厂，并介绍 Anthropic 如何从每天约 2,500 次合并扩展到约 30,000 次，由 Claude 做首轮审查并附上真实验证证据。还涉及 Sonar《State of Code》调查数据，以及为何流水线每个环节都需要独立、多层的验证，结尾谈及是否给代理写的 PR 打标签及何时可安全合并。适合负责代码评审流程与 CI 体系的工程团队阅读。

「当 AI 写下 90% 代码，代码审查如何重构」

这是一条微博社区帖子，讨论当 AI 写下近九成代码时 Claude Code 团队如何重构代码审查：审查标准从逐行通读转为风险分流，把单次人工卡点改为连续验证——提交前由 Agent 自测并经独立视角复核；PR 阶段由多模型并行找错、安全检查与 CI 层层拦截；审批按变更风险分级，低风险自动放行、敏感路径严格人工把关；设置轮次上限与增量复审避免机器互审死循环；发布底线由合并队列与快速回滚守护。材料称工程师的精力从逐行读 diff 转移到架构判断与最终生产责任。适合在团队中推进 AI 辅助编码并关注代码审查流程设计的人阅读。

Claude写代码太快，Anthropic连源码系统都重造了！7人只用5个月

新智元报道，Anthropic在官方工程博客中披露，公司日均代码合并量从5月约2500次增至9月超过3万次，为此一个7人团队用5个月自建版本控制系统Scion，并将单体代码库从Git迁移过去。文中介绍了此前持续集成任务量六个月内增至25倍的复盘：团队三次临时扩容分别只维持70天、29天和不到一天，最终由一名工程师用三周重构测试选择服务；Scion改为服务器端处理更多操作、客户端按需取数，以CPU和内存需求衡量其基础设施规模约为原Git镜像基础设施的1/200，团队还让Claude重写数据导入管线原型，速度约为原来的4倍、内存占用约为1/20。适合关注大规模代码库工程与AI辅助开发流程的人阅读。

如何构建 AI 代码审查智能体——Daksh Gupta，Greptile

How to Build an AI Code Review Agent - Daksh Gupta, Greptile

这是 Greptile 联合创始人 Daksh Gupta 的演讲，介绍该公司对想要自建代码审查智能体的公司的建议。他从沙箱加 webhook 的简单方案讲起，说明该方案会漏掉缺陷、每个 PR 花费 3 至 25 美元并产生大量细枝末节的挑刺，随后逐项介绍改进方法：更聚焦的提示词、历史事故 PR 数据集、模型反转（用 GPT 审查 Claude 写的代码反之亦然，可多发现约 10% 的缺陷）、代码库上下文与持续更新的 wiki、在沙箱中借助 computer use 自主测试，以及把多数子任务交给更便宜的模型。视频带有章节时间戳。