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:
- 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。
- 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。
- 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。
- 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:
- 在上線前找到問題、修掉。
- 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:
- 好幾個 agent 同時找 bug。
- 另一組 agent 對每條發現投票,夠多個同意是真的才貼出來。
- 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。
- 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¶
- 團隊收集過去造成事故的 PR,連同後續的修正和 revert。
- 請熟悉那段程式的工程師確認每個 bug 真的存在、在哪裡。
- 每有新事故就加一題。
- 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:
- 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?」
- 高風險程式:付款、自動更新程式、CI workflow。
- 架構:會變成別人照抄範本的那種。
- 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。
- 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。