跳轉到

Claude Code 團隊怎麼做 Code Review:七層檢查與看風險決定要幾個人

整理自 Anthropic〈How the Claude Code team does code review〉,2026-10-15 發布。資料基準 2026-10。

⚠️ 文中數字都是 Anthropic 內部的數據,本庫沒有辦法重現。

摘要

Claude Code 大約九成的程式碼是 Claude 自己寫的。改動量一多,人一行一行看已經不可能。這篇講他們怎麼處理。

核心是換一個問題。他們不再問「有沒有人讀過這段程式」,改問:

這次改動可能壞在哪?該由哪一道檢查(自動或人工)抓到?

照這個問題重新設計之後,2026 年 6 月到 9 月,Claude Code 合併的 PR 數量多了一倍以上,需要 revert(退回)的比例反而少了四成以上。

做法有四個重點:

  1. 審查一直在跑:像打字時的拼字檢查,不再是最後一道關卡。人看到 PR 之前,Claude 通常已經審過、修過至少一次。
  2. 七層檢查疊起來:每一層都會漏,但很少東西能穿過全部。最後一層是快速退回。
  3. 看風險決定要幾個人核准:低風險不用人,中風險一人,高風險兩人。由改動本身決定,不看作者是誰。
  4. 審查員本身也被測:過去的事故做成 eval(考題),每天考一次;審查輪數設上限,避免 AI 寫、AI 審互相卡住。

問題背景:改動暴增,人的時間不夠

Anthropic 的 monorepo(所有專案放一起的大 repo),每天合併的改動從 2026 年 5 月的約 2,500 個,漲到 9 月的三萬多個。Claude Code 有自己的 repo,但壓力一樣大。

Code review 原本有兩個工作:

  1. 在上線前找到問題、修掉。
  2. 讓團隊互相了解程式碼。

這篇主要講第一個,最後才回到第二個。

他們把人的時間當成最稀缺的資源。人的時間有兩種花法:花在審查,跟花在修爛程式碼弄壞的東西。只砍第一種沒用,時間會跑去第二種。

所以目標寫得很具體:Claude Code 各 repo(CLI、桌面版、網頁版、手機 app)大部分 PR 合併時,最多只要一個人參與,這個人可以就是作者,而且 revert 和事故不能變多。

他們追蹤這些數字:

類別 指標
人的時間 每個 PR 要幾個人核准(中位數、第 95 百分位)、人留了幾則意見、PR 等人等了多久
護欄 revert 率、事故率。這兩個上升,代表時間沒省到,只是搬去別的地方

七層檢查

一個改動從工程師電腦(或 Slack 裡的 Claude session)出發,到使用者手上,要經過下面幾層。

第 1 層:給別人看之前,自己先驗證

大部分審查現在發生在 PR 開之前。

  • 給 Claude 可以跑的東西:測試、build、或拿設計稿比對的截圖。要它貼出跑的結果,不能只說「做好了」。
  • 再開一個 subagent(子代理),用全新的 context 審一次 diff。
  • 很多人開 PR 前還會跑幾個內部 skill:一個抓 bug、一個把 diff 簡化、一個做端到端的行為檢查。UI 改動另外對照設計規範。

Claude Code 的作者 Boris Cherny 說,讓 Claude 有辦法驗證自己的成果,「大概是最重要的一件事」,他估計成果會好兩到三倍。驗證的方式看領域而定,可能只是跑一行 bash,也可能是在瀏覽器或手機模擬器裡實際操作。

同一個問題一直被抓到,就從源頭修。 修在 skill 裡、加 lint 規則,或改說明檔:

  • CLAUDE.md:告訴 Claude 這個專案是什麼——技術堆疊、慣例、目標、不做什麼。每次審查都會讀它,所以大型專案要寫短,細節連到其他文件。審查員也會抓「違反裡面慣例」和「讓裡面某一行過時」的改動。
  • REVIEW.md:由 code owner(負責那塊程式的人)寫,告訴審查員在他們的範圍裡什麼最重要。他們會另外檢查審查員有沒有真的照做。

好的 REVIEW.md 有這些特徵:

  • 很短。
  • 寫出在這個 repo 裡「壞掉」長什麼樣子。例如文件壞掉是「它說謊」,設定檔壞掉是「它送錯地方」。
  • 限制小意見(nit)的數量。
  • 列出不用看的路徑。
  • 要求附上檔案和行號當證據,不准只看名稱就猜。
  • 要求摘要開頭先給數量;沒東西要修時,直接說沒有。

第 2 層:每個 PR 都有 AI 審查

人看之前,每個 PR 都先被 Claude 審一次。它拿 diff 對照整個 repo 和 PR 說明的意圖,問三件事:有沒有解決問題?跟系統合不合?會不會弄壞別的東西?如果是修 bug,它會去找根本原因。

公開版叫 Code Review for Claude Code,Team 和 Enterprise 方案可以用。本機的 /code-review 是輕量版。

研究預覽版上線後,內部 PR 收到實質審查意見的比例,從 16% 升到 54%。超過 1,000 行的 PR 大多會被抓到東西,小 PR 大多乾淨過關。管理員可以把每個 repo 設成 Quick、Standard 或 Deep 三種深度。漏掉一個 bug 的代價,比多審的時間貴的地方,才值得開 Deep。

意見先給其他 agent 驗證,才給人看:

  1. 好幾個 agent 同時找 bug。
  2. 另一組 agent 對每條發現投票,夠多個同意是真的才貼出來。
  3. 只講風格、診斷訊息、清理的意見直接丟掉。這些過濾規則他們在自己的 PR 上做過 A/B 測試才留下來。
  4. 剩下的依嚴重度排序,標成 Important、Nit 或 Pre-existing(本來就有的問題)。最後一種是為了不讓「這個 PR 沒造成的 bug」看起來像作者的錯。

每條意見都要回應。 不是修掉,就是寫理由關掉。常常 agent 晚上就把修正做完,作者早上回來時 PR 已經又跑完一輪。

第 3 層:可以擋住合併的安全審查

安全有獨立的自動審查。bug 審查或安全審查只要還有一條沒處理,PR 就不能合併。誤報(false positive)的處理方式一樣:寫一句理由關掉。之後的 commit 如果修好了,那條會自己消失。

想自己用,可以裝開源的 security review GitHub Action,或用 /security-review 指令。

第 4 層:會擋人的自動檢查

就是常見的那些:lint、型別檢查、各平台的測試、build。一個普通的 CLI PR,在有人看之前可能已經跑了幾十項檢查。

PR 範本會問:這個改動怎麼測的?要怎麼退回?Claude 可以幫忙填,但要由提出這個改動的人簽名負責。

第 5 層:看風險決定要幾個人核准

改文件跟改自動更新程式,風險不一樣,審法也不一樣。

風險 例子 要幾個人核准
低 文件、文案、只給內部用的功能、藏在開關後面的新增功能 不用人,自動審查和安全檢查都綠就好
中 一般產品改動;碰到敏感區域,例如快取、自動更新程式、system prompt 一個人
高 風險最高的程式,加上少數規定一定要兩個人的路徑 兩個人

幾條配套規則:

  • 由改動決定等級,不看作者。 一個分類器讀改動、決定風險等級。另一個分類器再問:就算等級說不用,這個改動是不是還是需要多一個人?code owner 標成敏感的路徑、任何 CI workflow 檔,一定要有人。
  • 只有信任名單上的作者能走輕量路線。 名單上大多是負責那個 repo 的團隊。其他人都要第二個人核准。
  • agent 的核准不算人的核准。 自動審查可以放行低風險改動,但不能補上「要一個人」的那個位置。
  • 誰叫 agent 寫的,誰就要負責。 agent 寫的 PR,指揮它的人算一個必要審查者,跟他自己打字寫的一樣。
  • 核准只對某一個 commit 有效。 之後如果有系統沒辦法擔保的新 commit 進來,例如 agent 推上來的、或有人手動解衝突的 merge,就要重新核准。

第 6 層:merge queue、開關、慢慢上線

  • merge queue(合併排隊):每個 PR 合併前,會套在最新的 main 上把檢查再跑一次。這樣兩個各自通過的 PR,不會合在一起把 main 弄壞。
  • feature flag(功能開關):新功能通常先藏在開關後面,只給 Anthropic 員工用。員工用得很兇,常常比使用者先發現退步。
  • 分階段發布:公開版本先進 latest 頻道,stable 頻道晚一步跟上。

第 7 層:快速發現、快速退回

還是會有錯漏過去,所以最後一層是快點抓到。

  • 開關不用重新部署就能關。
  • Claude Code 有每週輪班的 on-call(值班)。
  • 事故檢討時會問:這個問題應該由哪一層抓到?

他們也承認還缺一塊:目前沒有「revert 或事故數字一上升,就自動收緊核准規則」的斷路器(circuit breaker)。工程師希望先有這個,才讓更多程式碼走「零人工合併」。

一位同事的說法:放慢速度確實會降低錯誤率,但主要是因為什麼事都做得比較少。他們寧可練習更快發現、更快修好。

怎麼讓審查員變好

事故變成考題

  1. 團隊收集過去造成事故的 PR,連同後續的修正和 revert。
  2. 請熟悉那段程式的工程師確認每個 bug 真的存在、在哪裡。
  3. 每有新事故就加一題。
  4. 審查員的 prompt、工具或模型一改,就拿整份考題重考。分數有升就留,沒升就丟。

這份考題每天跑一次。

雜訊怎麼量

只要不在乎誤報,要抓到更多 bug 很簡單。所以要另外量雜訊。

  • 審查員留的每一則意見,依 PR 上的人怎麼回應來分類:修了、說它錯了、說這是故意的、覺得不重要。
  • 拿已知乾淨的 PR 給審查員審,數它多常報出「會讓人做出有害修改」的東西。

他們寫下來的優先順序是:先抓到真的 bug,其次才是減少審查輪數。

為什麼雜訊在 AI 作者身上更貴

人看到一則小意見,幾秒就能跳過。 AI 作者會乖乖去改,於是多一個 commit,再觸發一輪審查。 同樣一則雜訊,對人是幾秒,對 AI 是一整輪。

審查一定要收斂

AI 作者和 AI 審查員可以互相找事做,永遠停不下來。有一個 CLI 的 PR,晚上自己來回審、改了五十幾輪,最後是作者手動叫停的。

他們對審查員一直抓的東西跑 git blame,發現大約 59% 是審查員第一輪就已經在的舊程式碼。審查員很少找到新 bug,只是每一輪多挖出幾個舊的。

這個問題有一部分是他們自己造成的:大家習慣預設跑好幾輪,因為每一輪都會多抓到一點東西。高風險的改動值得這樣做,但不是每個 PR 都值得。

現在他們把「幾輪才過」跟「抓到多少 bug」一起追蹤,並改了重審規則:

  • 輪數上限:三輪之後,審查員會請作者退一步,重新想做法。
  • 只審新的 diff:前幾輪過後,只看新改的部分。
  • 標出整類 bug:讓作者一次修掉所有同類問題,只修一行不算數。
  • 不重複:已經貼過的意見不再貼。

另外,審查 agent 每天晚上會掃一遍現有程式碼,把舊 bug 在它跑去別的地方之前抓出來。

改完之後的內部數字:

指標 改之前 改之後
一輪審查+修正就通過 65% 78%
要五輪以上 8.9% 1.5%
平均幾輪才過 2.08 1.32

人還留在哪裡

叫一位資深工程師從專注的工作中停下來,去抓一個例行錯誤,成本遠高於一次自動審查。所以人的工作從「讀每個 diff」,換成機器不擅長的五種決定:

  1. 這個該不該做? 方向、品味、範圍。有個團隊宣布審查瓶頸已經解決,但還是保留人工審查給「團隊外的人送來的改動」,好讓有人問一句「我們真的要做這個嗎?」
  2. 高風險程式:付款、自動更新程式、CI workflow。
  3. 架構:會變成別人照抄範本的那種。
  4. 讀證據:測試輸出、跑了什麼指令和它回傳什麼、截圖、審查員的意見。如果你說不出這些檢查會漏掉什麼,就該要求認真審,別隨手按核准。
  5. 為結果負責:不管是誰打的字,每個上線的改動都有一個人負責。

機器幫忙讀,那大家怎麼認識程式碼?

這是 code review 的第二個工作:讓大家了解程式碼。以前靠讀同事的 diff 學到東西改了什麼、各部分怎麼接。

他們沒有正式流程。團隊裡沒人腦中有整個 Claude Code 的完整模型,他們也覺得不需要。想了解某一塊時,就請 Claude 針對那一小塊寫一份說明。幾分鐘就好,而且反映的是今天的程式碼。有些人更進一步,請 Claude 做一個小 artifact,把那段程式畫出來,用自己喜歡的方式學。

比起一行一行讀小 diff,這更划算。改一行文案的 diff 幾乎學不到東西;你要改的那個模組的說明,可以學到很多。他們預設在公開的 Slack 頻道工作,也有幫助:別人在做什麼,做的當下就看得到。

「你合的,你負責」

如果你合併了小或中型的改動,之後出問題,團隊慣例是通常由你修。下面幾件事讓這條規則不會變成壞事:

  • 改動很小:好審、好除錯、好退回。
  • 什麼都能退回:開關、revert、分階段發布,大部分錯誤幾分鐘就能撤掉。
  • 影響範圍決定門檻:越貴的程式碼,越多人、越多檢查。
  • 退步很快浮現:靠遙測(telemetry)和內部使用。
  • 不是追究責任:由你修是因為你最了解狀況;事故檢討看的是系統。

責任也是共享的。很多人在公開頻道工作,任何人都能看到別人在做什麼、接手一條討論,或叫一個 Claude 去補缺口。

方向要改,就早點說

agent 讓開始一件事變得很便宜,所以有些工作本來就不該合併。通常是頻道裡有人問「為什麼」、指出之前的決定、或提一條更簡單的路,作者就把 PR 關掉或改方向。

程式寫得快,關掉 PR 也不覺得可惜。訣竅是:在討論串裡早點提出不同方向,不要等 PR 做完才留一則擋人的意見。

照著做的清單

原文最後給了一份清單,大部分工具現在都有。

開 PR 之前

  • 給 agent 可以跑的檢查,寫在一份短的 CLAUDE.md 裡;加上自動跑 formatter 和 linter 的 hook。
  • 在本機跑 /code-review 和 /security-review,或開一個全新 context 的 subagent 審查。
  • 加一份 REVIEW.md,把一直重複的審查意見搬進去。

每個 PR

  • CI 必過。PR 範本加上「測試方式」「風險」「怎麼退回」三欄。
  • 先在一個 repo 試 AI 審查員(Code Review for Claude Code,或 Claude Code GitHub Action),調幾週 REVIEW.md 再擴大。
  • 加自動安全審查,規定所有討論串都要處理完才能合併。
  • 審查深度跟著風險走:例行改動快速過,漏一個 bug 很貴的地方審深一點。
  • 限制審查輪數;前幾輪過後只審新的 diff。

核准

  • 把風險等級寫下來,由改動決定、不看作者。先嚴後鬆,有證據才放寬。
  • 輕量核准路線只給信任的作者。
  • 用 CODEOWNERS 和 branch protection,讓認證、付款、CI 與發布 workflow、安裝程式永遠需要人。
  • 機器人的核准不能取代必要的人工核准;有新 commit 就撤銷舊核准。

合併與之後

  • 用 merge queue、功能開關、先內部使用、分階段發布、一步退回。
  • 把事故和 revert 做成 eval;審查員的 prompt、工具或模型一改就重考。
  • 量人的時間,用 revert 率和事故率當護欄。

往哪裡走

Code Review 產品公告說,核准 PR 仍然是人的決定;產品只貼意見,不給核准。Anthropic 自己的 repo 走得更遠:讓 code owner 決定哪些低風險改動可以只靠自動檢查合併,而且這條線還在移動。

審查漏掉東西時,他們問的是:模型當時缺了什麼資訊?然後把修正寫進 CLAUDE.md、skill,或加一個新檢查。

延伸思考

  • 這套做法很依賴「什麼都能快速退回」。如果你的系統改動退不回來(例如資料庫 migration、對外發出的訊息),第 5 層的風險分級要比原文更嚴。
  • 「事故變考題」不需要很大的團隊。個人專案修過的 bug、被退回的 PR,一樣可以收成一組固定案例,用來比較換模型或換 prompt 之後審查員有沒有變好。
  • 審查輪數上限對個人使用 AI 審查也適用:同一個 PR 讓 AI 審到第三輪還在出新意見,通常代表該回頭檢查做法,別再繼續修。

參考來源