Anthropic公开七层代码审查体系禁智能体代替人工终审签字

AI技术投降派

在AI编写九成代码的现实下，工程审查的核心已从计算生成比例转向追踪回退率，且无论自动化程度多高，署名负责的审批格必须由人类最终兜底。

AI-assisted summary of 90%代码AI写，审查怎么办？Anthropic给了答案 — original source. Check the original for full context.

Source published: 2026-10-18

Key ideas

Anthropic 披露 Claude Code 团队七层代码审查流水线，前四层实现全自动化且涵盖多智能体交叉投票与安全审查，人仅在第五层介入风险分级审批。 (0:00)
团队推行“变更定级而非作者定级”的硬性规定，并重申金融级四眼原则：AI 智能体的批准绝不能等同于人工批准，但中风险改动允许作者本人作为审批人。 (2:00)
自引入该流水线后，合并 PR 翻倍且回退率下降超 40%，不过也曾出现多智能体互审互改超 50 轮未收敛、最终依靠人工中止的翻车案例。 (3:06)
行业评价指标正从单纯关注“AI 写了多少行代码”转向“合并代码的存活率与回退率”，人类工程师的职能缩减并聚焦于架构、品味与最终责任兜底。 (6:11)

Detailed notes

## Background 该视频由 Bilibili UP 主“AI技术投降派”于 2026 年 10 月 18 日发布。简介指出，视频旨在深度拆解 Anthropic 团队最新公布的 Claude Code 七层代码审查流水线，剖析在 AI 编写约九成代码后团队如何进行质量把关，并复盘 Hacker News 上的激烈争论与指标演变。

## TL;DR 面对 AI 编写约九成代码带来的质检难题，Anthropic 公开了其前四层全自动化、后三层分级人工与灰度部署的七层代码审查流水线。该体系通过智能体阵列过滤缺陷，引入变更分类器定级，并重述了“智能体的批准绝不算人的批准”这一四眼原则，同时允许作者自审中风险改动。尽管 Anthropic 亮出了合并 PR 翻倍且回退率反降四成的成绩单，但也经历了智能体互审 50 轮不收敛的翻车现场，并招致 Hacker News 关于回音室效应与古德哈特定律的六路质疑。视频总结指出，软件工程的衡量标准正从“AI 写了多少”转向“合并代码存活率”，在无人保有完整心智模型的时代，人类核心价值已被重塑为方向把握、架构品味与责任兜底。

## Atmosphere & style 全片节奏紧凑、叙事冷静且带有犀利的技术思辨感，完全脱离了盲目的 AI 狂热或刻意的唱衰情绪。主讲人操着干练利落的工业界语调，在条分缕析拆解硬核工程架构的同时，毫不客气地抖出翻车现场与社区冷嘲热讽的辛辣切片。整场解说兼具专业洞察与黑色幽默，让观众在俯瞰前沿软件工程演进的同时，真切感受到技术落地中的博弈、荒诞与清醒。

## Bulletin - [00:00](https://www.bilibili.com/video/BV1P4nM6JEQD?t=0s) Anthropic 披露 Claude Code 团队七层代码审查流水线，前四层实现全自动化且涵盖多智能体交叉投票与安全审查，人仅在第五层介入风险分级审批。 - [02:00](https://www.bilibili.com/video/BV1P4nM6JEQD?t=120s) 团队推行“变更定级而非作者定级”的硬性规定，并重申金融级四眼原则：AI 智能体的批准绝不能等同于人工批准，但中风险改动允许作者本人作为审批人。 - [03:06](https://www.bilibili.com/video/BV1P4nM6JEQD?t=186s) 自引入该流水线后，合并 PR 翻倍且回退率下降超 40%，不过也曾出现多智能体互审互改超 50 轮未收敛、最终依靠人工中止的翻车案例。 - [06:11](https://www.bilibili.com/video/BV1P4nM6JEQD?t=371s) 行业评价指标正从单纯关注“AI 写了多少行代码”转向“合并代码的存活率与回退率”，人类工程师的职能缩减并聚焦于架构、品味与最终责任兜底。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1P4nM6JEQD?t=0s) 在 Claude Code 自身约九成代码由 AI 生成的背景下，团队全面公开了兼顾提效与合规的七层审查体系。 - [00:00](https://www.bilibili.com/video/BV1P4nM6JEQD?t=0s) 流水线第一层在提交前利用全新上下文的智能体进行边写边查，第二层依靠硬门禁拦截跨平台与构建失败的 PR。 - [00:00](https://www.bilibili.com/video/BV1P4nM6JEQD?t=0s) 第三层采用多智能体审查阵列，由不同智能体分别负责找 bug、化简改动与端到端行为验证，并由验证者智能体投票过滤误报。 - [00:00](https://www.bilibili.com/video/BV1P4nM6JEQD?t=0s) 第四层安全自动化审查通过后才首次引入人工介入，形成“前四层零人工”的全自动化防御纵深。 - [02:00](https://www.bilibili.com/video/BV1P4nM6JEQD?t=120s) 第五层人工审批分为三档：低风险全自动零人工、中风险需一人审批、高风险需两人审批，且档位由自动化分类器决定而非作者自选。 - [02:00](https://www.bilibili.com/video/BV1P4nM6JEQD?t=120s) 官方明确强调“智能体的批准永远不算一个人的批准”，但在中风险场景下允许作者充当审批人，在 Hacker News 上引发合规性争议。 - [03:06](https://www.bilibili.com/video/BV1P4nM6JEQD?t=186s) 六月至九月运行数据显示，代码库日均落地变更由约 2500 次激增至超 3 万次，一轮审修通过率升至 78%，回退占比反降超四成。 - [03:06](https://www.bilibili.com/video/BV1P4nM6JEQD?t=186s) 多智能体互审存在不收敛风险，曾出现单 PR 过夜被反复修改审阅超 50 轮、最终只能由作者手动叫停的翻车事件。 - [03:53](https://www.bilibili.com/video/BV1P4nM6JEQD?t=233s) Hacker News 评论区有约六成半声音表达怀疑，质疑点覆盖回音室效应、古德哈特定律导致指标失真、GitHub 积压 5000 个 issue 以及博文本身的 AI 生成痕迹。 - [05:01](https://www.bilibili.com/video/BV1P4nM6JEQD?t=301s) 回顾 Anthropic 一年半以来的官方口径，“九成代码”经历了从最初达里奥的未来预测、现场软化，逐步收敛为当前“Claude Code 自身代码约九成”的具体限定。 - [05:01](https://www.bilibili.com/video/BV1P4nM6JEQD?t=301s) 相较于谷歌近五成、微软两至三成及行业整体约 29% 的水平，头部 AI 工具研发团队与普通行业研发之间存在明显的自动化程度断层。 - [06:11](https://www.bilibili.com/video/BV1P4nM6JEQD?t=371s) 核心指标逻辑发生重构：代码行数指标不再具备说服力，衡量质量的“回退率”与“合并代码存活度”成为新标准。 - [06:11](https://www.bilibili.com/video/BV1P4nM6JEQD?t=371s) 团队直言没人需要拥有完整系统的全盘心智模型，人类工程师的角色被彻底重构为定方向、审架构、把控品味及最终承担兜底责任。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1P4nM6JEQD?t=0s) Anthropic 公布七层自动化代码审查流水线

AI 写了九成代码的说法可能已经让人司空见惯，但这一次有所不同。Anthropic 的 Claude Code 团队发布了一篇博文，将自家的整套代码审查流程全盘托出。在 Claude Code 自身代码约有九成由 AI 编写的情况下，把关工作如何展开成了核心问题。博文开篇便抛出三连问：“还有人读代码吗？出了事，谁兜住？”这篇文章在 Hacker News 上引发热烈讨论，三天内获得了 311 个赞和 280 条评论，吵成一锅粥。今天我们将这套流程彻底拆解，首先来看整条长达七层的流水线。

第一层在代码提交之前就已经启动，Claude 会自动运行测试、构建和静态检查，另一个智能体则使用全新的上下文来审查这份改动，官方将其形容得像“边写边拼写检查”。第二层是硬门禁，涵盖类型检查、跨平台测试以及构建打包，红灯会直接阻拦合并，一个命令行 PR 在任何人看到之前可能已经跑了几十项检查。第三层是 Claude 审查阵列，每个 PR 必须过一排 Claude 的审核，其中一个专门找 bug、一个化简改动、一个端到端查行为，还有一个验证者智能体会负责投票，把误报过滤掉。第四层由安全模块再过一道自动审查，直到这一步为止，流程中连一个人影都还没出现。

第五层才正式引入人工参与，进行风险分级审批。第六层是合并回归，将变更套到主分支上重新跑一遍全部检查。第七层则是功能开关，先给内部员工使用，再走最新版和稳定版两个渠道，坏构建直接整条链路回退。这整条链路的一句话总结是：大部分路径已经实现自动化，人的注意力只投向风险所在之处。

```mermaid flowchart TD subgraph Zero_Human ["前四层：零人工全自动"] A["提交前：智能体上下文审改"] --> B["硬门禁：测试与红灯拦截"] B --> C["Claude 审查阵列：多智能体排查与投票"] C --> D["安全模块自动审查"] end subgraph Human_Gate ["后三层：人工与回归部署"] D --> E["第五层：风险分级人工审批"] E --> F["第六层：合并回归与全量检查"] F --> G["第七层：灰度发布与功能开关"] end

accTitle: Claude Code 七层代码审查流水线 accDescr: 展示从提交前的智能体自查、硬门禁、多智能体协同审查到人工分级审批及最终发布的七层流水线结构。 ```

人工审批具体分为三个档位：低风险（如文档、文案、开关后面的内部功能）走自动审查和安全检查，零人工干预；中风险覆盖普通产品改动加上缓存自动更新器、系统提示词这类敏感区，需要一个人批准；高风险则是最高危的代码加少数写死的路径，必须两个人批准。

其中有两个细节最为关键：第一，档位由分类器读取变更来决定，即“变更定级，不是作者定级”，你自己说了不算；第二，原文加粗的那句话指出，“智能体的批准，永远不算一个人的批准”，这其实是金融业四眼原则的 AI 时代重述，支付卡行业的规矩一直是代码审查必须由非原作者执行。不过 Anthropic 也留了一个口子，中风险的那一个人可以就是 PR 作者本人，由指挥智能体的人充当审查者。黑客新闻上争议最大的也正是这一条，大家纷纷质疑：“这怎么过的合规？”

* 第一层：提交前由智能体使用全新上下文审改，形同边写边拼写检查。 * 第二层：CI 硬门禁，红灯直接拦截合并。 * 第三层：多智能体审查（找 bug、化简、端到端查行为、验证者投票过滤误报）。 * 第四层：安全独立过审。 * 第五层：人工风险分级（低风险零人工，中风险一人，高风险两人；由分类器定级）。 * 第六层：合并回归重跑全部检查。 * 第七层：多渠道功能开关灰度发布。

---

[03:00](https://www.bilibili.com/video/BV1P4nM6JEQD?t=180s) 审查成绩单、翻车现场与 Hacker News 的六路质疑

从六月到九月，合并的 PR 数量实现翻倍以上增长，同时回退占比却下降超过四成，这意味着数据量上升了，但砸锅的比例反而降低了。整个代码库每天落地的变更，从五月的大约 2500 次涨到了九月的 3 万多次。拿到实质性审查意见的 PR 占比从 16% 暴涨到 54%，一轮审查加修复就能通过的比例从 65% 涨到了 78%，需要五轮以上的则从 8.9% 压低到 1.5%。

当然，现场也出现了翻车的情况。有一个命令行 PR 曾经在一夜之间被智能体们来回审改了 50 多轮，最后是作者自己出手叫停，AI 审 AI 出现不收敛的现象，他们自己也碰到了，冷面该摆还得摆。

Hacker News 上的那个帖子拥有 280 条评论，据估算大约有六成半的人持怀疑态度，主要集中在六路质疑上： * 质疑一：回音室效应。有人形容自己团队的实际做法就是对另一个 Claude 说“仔细检查边缘情况”，半小时后回来点批准，并质问这流程里人还剩下什么用。 * 质疑二：指标失真。回退率一旦被拿来考核，它就会变成优化目标，陷入古德哈特定律。 * 质疑三：数字水分。一天 3 万个变更被评论调侃为“写个循环往 Readme 里加一行，一天也能搞出三万个”。 * 质疑四：拿产品反证。GitHub 上有 5000 个开放 issue，峰值月份甚至新增了 13000 个。 * 质疑五：元级讽刺。有人用检测工具跑了这篇博文本身，得出的结论是约八成内容由 AI 生成。 * 质疑六：立场问题。卖 token 的公司天天劝人多用 token，评论区自然也没有放过这一点。

---

[05:01](https://www.bilibili.com/video/BV1P4nM6JEQD?t=301s) “九成代码”的演变史与两个更硬的新闻眼

把镜头拉远，“九成”这个数字 Anthropic 断断续续讲了一年半，口径一直在不断收窄。2025 年 3 月，CEO 达里奥做出的预测是：“三到六个月内 AI 将写下九成代码。”到了九月，这一说法变成了现状宣称，提及七成、八成或九成；十月被主持人当面追问时，当场软化为“许多团队如此，并非整齐化一”。今年 1 月，官方发言人给出的区间是七到九成，而 Claude Code 负责人鲍里斯的个人版本则更为激进：“我个人已经百分之百，两个月没手写过一行代码。”五月时，机构文章将口径精确为“合并代码超过八成”，到这次十月则进一步精确到“Claude Code 自身的代码约九成”。

对照同行来看，谷歌最近的说法是接近一半，微软为两到三成，而一项研究估计整个 GitHub 上的 Python 函数大约有 29% 出自 AI。头部 AI 公司和全行业之间明显隔着一道鸿沟，口径不一是原因之一，但并非全部。

判断这篇博文真正硬的其实是两个新闻眼： * 第一，行业争论的指标正在发生转换，从“AI 写了多少”转向了“合进去的代码活下来多少”，回退率这个结果指标比代码行数诚实得多。 * 第二，智能体的批准绝不算人的批准，这是老规矩在新时代的重述。机器可以放行低风险变更，但署名负责的那个格子必须是人。正如博文里更激进的一句评价：“团队里没有人保有 Claude Code 的完整心智模型，而且我们认为没人需要。”人的工作清单彻底变成了：该不该做、方向、品味、架构、为结果负责。

此前我们曾探讨过如何让 AI 把代码审得更准，而这一次 Anthropic 给出的则是另一块拼图：当 AI 写得足够多时，审查制度究竟会长成什么模样？

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1P4nM6JEQD?t=0s) 智能体的批准，永远不算一个人的批准 — Anthropic Claude Code 团队

> [05:01](https://www.bilibili.com/video/BV1P4nM6JEQD?t=301s) 团队里没有人保有 Claude Code 的完整心智模型，而且我们认为没人需要。 — Anthropic Claude Code 团队

## Mentioned Anthropic, Claude, Claude Code, Addy Osmani, Hacker News, 达里奥, 鲍里斯, Google, Microsoft, GitHub, PCI DSS

## 弹幕氛围 (Danmaku mood) — 1 条弹幕整体呈现出惊讶、调侃与好奇的轻松氛围。观众在看到特定画面时产生了强烈的联想，通过克苏鲁神话梗来吐槽画面的不可名状与异样感。整体互动虽仅有一条，但生动反映了观众面对突发情境时的戏谑与探究心理。

**整体情绪**：😊 正面 20% · 😐 中性 60% · 😞 负面 20%

**热议点** - **调侃画面呈现不可名状的克苏鲁风格** —— “被克苏鲁入侵了？” - **对画面突发异状的震惊与疑惑** —— “被克苏鲁入侵了？” - **弹幕观众借梗吐槽的戏谑互动** —— “被克苏鲁入侵了？”

**代表弹幕** > 被克苏鲁入侵了？

## Video description AI 写了九成代码这话你可能听腻了。这一次不一样：Anthropic 的 Claude Code 团队发了篇博文，把自家的代码审查流程整套摊开。博文开篇就三连问：还有人读代码吗？出了事，谁兜住？黑客新闻三天三百多个赞、两百八十条评论，吵成一锅粥。

流程一共七层：提交之前就有智能体用全新上下文审改动，官方形容像"边写边拼写检查"；CI 硬门禁一个 PR 先跑几十项检查，红灯直接挡合并；然后每个 PR 必过一排 Claude 审查——一个找 bug、一个化简改动、一个端到端查行为，验证者智能体负责投票过滤误报；安全再单独过一道。到这里为止，一个人都还没出现。第五层才轮到人：低风险零人工，中风险一人，高风险两人；档位由分类器读变更决定，"变更定级，不是作者定级"。最硬的一句原文：智能体的批准，永远不算一个人的批准——这是金融业四眼原则的 AI 时代重述。不过也有口子：中风险那一个人，可以就是作者本人。

成绩单：六月到九月合并 PR 翻倍以上，回退占比反降四成；日变更从两千五涨到三万多。翻车现场也有：一个 PR 过夜被智能体来回审改五十多轮，作者亲手叫停。冷面照摆：HN 约六成半怀疑——回音室、古德哈特定律、数字水分、五千个开放 issue，甚至有人检出这篇博文本身约八成由 AI 写。我们还把「九成」口径讲了一年半的演变史捋了一遍：从达里奥的预测、当场软化、发言人区间，到这次精确到"Claude Code 自身约九成"——对照谷歌近五成、微软两三成、全行业约三成。

判断：这篇博文真正硬的是两件事——行业指标从"AI 写了多少"换到"合进去的代码活下来多少"；以及署名负责的那个格子，必须是人。博文里更激进的一句：团队里没有人保有 Claude Code 的完整心智模型，而且我们认为没人需要。人的工作清单，变成了该不该做、方向、品味、架构、为结果负责。

参考：claude.dev《How the Claude Code team does code review》（2026-10-15，Addy Osmani 等）· Hacker News 50122951 · Fortune / Business Insider / CFR 各报道 · PCI DSS 与四眼原则文档

时间轴： 00:05 开场：三连问与 311 赞热议 00:39 七层流水线：前四层零人工 02:00 风险三档：AI 的批准不算人 03:06 成绩单与 50 轮互审翻车现场 03:53 HN 六路质疑：从回音室到元级讽刺 05:01 「九成」口径一年半演变史 06:11 两个比九成更硬的新闻眼

[Source](https://www.bilibili.com/video/BV1P4nM6JEQD)

中文简报

Anthropic公开七层代码审查体系禁智能体代替人工终审签字在AI编写九成代码的现实下，工程审查的核心已从计算生成比例转向追踪回退率，且无论自动化程度多高，署名负责的审批格必须由人类最终兜底。面对 AI 编写约九成代码带来的质检难题，Anthropic 公开了其前四层全自动化、后三层分级人工与灰度部署的七层代码审查流水线。该体系通过智能体阵列过滤缺陷，引入变更分类器定级，并重述了“智能体的批准绝不算人的批准”这一四眼原则，同时允许作者自审中风险改动。尽管 Anthropic 亮出了合并 PR 翻倍且回退率反降四成的成绩单，但也经历了智能体互审 50 轮不收敛的翻车现场，并招致 Hacker News 关于回音室效应与古德哈特定律的六路质疑。软件工程的衡量标准正从“AI 写了多少”转向“合并代码存活率”，在无人保有完整心智模型的时代，人类核心价值已被重塑为方向把握、架构品味与责任兜底。 Anthropic 披露 Claude Code 团队七层代码审查流水线，前四层实现全自动化且涵盖多智能体交叉投票与安全审查，人仅在第五层介入风险分级审批。 (0:00) 团队推行“变更定级而非作者定级”的硬性规定，并重申金融级四眼原则：AI 智能体的批准绝不能等同于人工批准，但中风险改动允许作者本人作为审批人。 (2:00) 自引入该流水线后，合并 PR 翻倍且回退率下降超 40%，不过也曾出现多智能体互审互改超 50 轮未收敛、最终依靠人工中止的翻车案例。 (3:06) 行业评价指标正从单纯关注“AI 写了多少行代码”转向“合并代码的存活率与回退率”，人类工程师的职能缩减并聚焦于架构、品味与最终责任兜底。 (6:11)

Reading summary

Anthropic 披露了其 Claude Code 团队的七层自动化代码审查流水线，展示了在 AI 编写九成代码的背景下，如何通过多智能体把关与风险分级的人工审查来防范工程风险。前四层自动化流水线与审查阵列 (0:00) 在 Claude Code 的代码审查流程中，前四层完全由自动化系统接管，没有任何人工干预。第一层在提交前启动，由智能体使用全新上下文审改代码并运行静态检查；第二层是 CI 硬门禁，负责类型检查与跨平台测试，红灯直接阻断合并。第三层引入多智能体审查阵列，各智能体分别承担寻找 Bug、化简改动和端到端行为检查，并由验证者智能体投票过滤误报；第四层则交由安全模块完成自动化过审。整套机制通过前期多重过滤，防止低级错误与误报进入人工视野。分级人工介入与四眼原则争议 (0:00) 流水线的第五层到第七层才涉及人工审批与部署发布。第五层的人工审查依托变更分类器自动划定风险等级：文档等低风险改动零人工干预；涉及敏感区的中风险需一人批准；最高危代码则需两人把关。Anthropic 强调“智能体的批准永远不算一个人的批准”，延续了金融业的四眼原则。然而流程中允许中风险代码由作者本人（即指挥智能体的工程师）完成审查，这一设计在社区引发了关于是否能通过合规审查的广泛质疑。通过审查后，代码仍需经历第六层的合并回归测试与第七层基于功能开关的灰度发布。效率数据、失控翻车与社区六路质疑 (3:00) Anthropic 的运营数据显示，6 月至 9 月间合并 PR 量翻倍增长，回退占比下降逾四成，全库日落变更从 5 月约 2500 次跃升至 9 月的 3 万多次，且需 5 轮以上审查的比例降至 1.5%。然而，自动化并非毫无破绽，曾有命令行 PR 因智能体互相审改超过 50 轮未收敛，最终不得不由人工介入叫停。Hacker News 讨论中约六成半的评论持怀疑态度，指责其存在工程师沦为“盖章人”的回音室效应、回退率指标可能陷入古德哈特定律、日落 3 万变更涉嫌刷量、GitHub 积压数千 Issue 证明产品稳定性存疑，以及存在推销 Token 消耗和博客内容本身由 AI 生成的元级讽刺。代码占比口径收窄与审查责任转移 (5:01) Anthropic 对“AI 写代码占比”的宣传口径在过去一年半中逐渐收敛：从 CEO 最初预测 3 到 6 个月内达到九成，软化为部分团队如此，最终精确定位为 Claude Code 自身约九成代码由 AI 编写。相比之下，同期谷歌声称接近一半，微软为两到三成，全行业仍存差距。该博文反映出的核心转变在于：行业评价标准正从“生成行数”转向更侧重交付稳定性的“回退率”；同时，当团队成员不再保有完整系统的全局心智模型时，人类工程师的核心职责转变为把握方向、架构把关以及对最终业务结果署名负责。 Anthropic 展示了一套高比例 AI 编码下的质检范式，但当代码复杂性超出人类心智模型、审查陷入智能体自循环时，如何在合规约束与过度依赖自动化之间取得平衡，仍是行业未决的难题。

Source quotes

[0:00] Anthropic Claude Code 团队: 智能体的批准，永远不算一个人的批准 [5:01] Anthropic Claude Code 团队: 团队里没有人保有 Claude Code 的完整心智模型，而且我们认为没人需要。

Original transcript

[0:00] AI写了九成代码这话,你可能已经听腻了,这一次不一样。Anthropic的Cloud Code团队发了篇博文,把自家的代码审查流程整套摊开。Cloud写了Cloud Code自身约90%的代码,那把关怎么做?博文开篇就三连问,还有人读代码吗?出了事谁都住黑客新闻上三天攒了311个赞,280条评论,炒成一锅粥。今天我们把这套流程拆开看,先看整条流水线,一共7层。第一层在你提交之前就开始了,Claude跑测试,构建,静态检查。另一个智能体用全新上下文审这份改动,官方形容像边写边拼写检查。第二层是硬门禁,类型检查,跨平台测试。构建打包,红灯直接挡合并。一个命令行PR在任何人看之前可能先跑几十项检查。第三层,每个PR避过Cloud审查,而且不是一个Cloud,是一排,一个找bug。一个化简改动,一个端到端查行为。还有一个验证者智能体负责投票,把误报过滤掉。第四层,安全单独再过一道自动审查,到这里为止,一个人都还没出现第五层才轮到人风险分级审批第六层是合并对裂,把变羹套到主分支上重跑全部检查。第七层功能开关先给内部员工用再走最新版稳定版两个渠道坏构建直接回退整条链路一句话,大部分路径已经自动化。人的注意力只投向风险所在之处人工审批怎么分三档低风险也就是文档文案开关后面的内部功能自动审查和安全检查权率零人工中风险覆盖普通产品改动加上缓存自动更新器系统提示词这类敏感区要一个人批准高风险是最高危的代码加少数写死的路径要两个人。两个细节最硬,第一,档位由分类企图变更来定,变更定级,不是作者定级,你自己说了不算。第二,原文加粗那句话,智能体的批准永远不算一个人的批准,这其实是金融业四眼原则的AI时代重述,支付卡行业的规矩一直是代码审查必须由非原作者执行。不过Anthropic留了个口子,中风险的一个人可以就是PR作者本人,指挥智能体的人算一名审查者。黑客新闻上最渣的质疑就是这一条。这怎么过的合规?成绩单,6月到9月,合并PR数量翻倍以上,同时回退占比下降超过四成,量升了,砸锅的比例反而降了。整个代码库每天落地的变更,从5月约2500次涨到9月的3万多,拿到实质性审查意见的PR,占比从16%涨到54%。一轮审查家修复就通过的从65涨到78需要五轮以上的从8.9%压到1.5%也有翻车现场,有一个命令行PR,一整夜被智能体们来回审,来回改了50多轮,最后是做着自己出手叫停的,AI审AI不收敛,他们自己也碰到了,冷面也得摆出来。黑客新闻这个帖子280条评论,去核站估算约6成半的人持怀疑态度。质疑一,回音是Claude写Claudeshen 仁盖章有人形容自己团队的实际做法,就是对另一个Cloud说仔细检查边缘情况。半小时后回来点批准这流程里人还剩什么用质疑二指标失真回退率一旦被拿来考核它就成了优化目标古德哈特定律质疑三数字水分一天三万个变更有评论调侃,写个循环往RideMe里加行,一天也能喝三万个。至疑4拿产品反证GitHub上5000个开放issue峰值月份新增13000个还有一个原籍讽刺有人用检测工具跑了这篇博文本身结论是约八成由AI生成卖token的公司说要多少token这个立场问题,评论区也没有放过。 [5:00] 把镜头拉远九成这个数字,Anthropic断断续续讲了一年半,口径一直在收窄。2025年3月,CEO达里奥说的是预测,三到六个月内AI将写下九成代码。到九月,变成现状宣称,七成八成九成,十月被主持人当面追问,当场软化为许多团队如此,并非整齐化一。今年1月官方发言人给出的区间是7到9成Cloud Code负责人鲍里斯的个人版本更狠我个人已经百分之百,两个月没手写过一行代码,5月,机构文章把口径精确为合并代码超过八成。到这次十月进一步精确到ClaudCode自身的代码约九成对赵同行谷歌最新的说法是接近一半微软两到三成一项研究估计整个Github上的python函数约29%出自AI头部AI公司和全行业之间隔着一道鸿沟口径不同是原因之一但也不全是最后说我们的判断这篇博文有两个比九成更硬的新闻眼第一,行业争论的指标正在换,从AI写了多少,换到合进去的代码活下来多少。回退率这个结果指标比代码行数诚实的多第二智能体的批准不算人的批准这是老规矩在新时代的重述机器可以放行低风险变更,但署名负责的那个格子,必须是人。人的工作清单变成了该不该做方向品位架构为结果负责之前我们讲过怎么让AI把代码审得更准这一次Anthropic给出的是另一块拼图当AI写得足够多审查制度会长成什么形状?

Anthropic公开七层代码审查体系 禁智能体代替人工终审签字