Anthropic 发布了一篇技术文章，首次详细介绍 Claude Code 团队内部的代码审查流程。
文章透露：
Claude 已经编写了 Claude Code 自身约 90% 的代码，而且部分低风险代码变更，已经可以在没有人工审批的情况下直接合并。
下面是他们内部的代码审计流程：
一个Claude 写代码，另一个 Claude 负责检查
Anthropic 现在的开发流程，已经形成了一套完整的自动化审查机制。
当一个 Agent 完成开发任务，首先需要运行测试、构建和代码检查，并提供真实的执行结果。
随后，另一个拥有独立上下文的 Agent 会重新审查代码修改。
这里有个非常值得注意的细节。
编写代码和审核代码的 Agent，会尽量使用不同的上下文。
因为开发 Agent 已经形成了自己的实现思路，如果让它直接检查自己的工作，很容易忽略原有假设中的问题。
而独立的审查 Agent，可以重新判断代码是否真正解决了需求，有没有引入新的错误。
提交 PR 后，自动化流程还会继续运行。
多个 AI Agent 并行寻找 Bug，另一组 Agent 对这些问题进行验证和投票，确认是真实问题后，才会生成审查意见。
此外，还有独立的安全审查。
任何尚未处理的代码问题或安全问题，都可能阻止 PR 合并。
Anthropic 公布的数据表明，引入 AI 审查后，内部获得实质性审查意见的 PR 占比从 16% 提升到了 54%。
代码不需要人工审批了！
Claude Code 团队现在开始根据风险等级，决定需要多少人参与。
低风险变更，例如文档修改、部分内部功能以及受功能开关保护的增量修改，在自动审查和安全检查通过后，可以不需要人工批准。
中风险变更需要一名工程师批准。
高风险变更需要两名工程师批准。
涉及计费、自动更新、CI 工作流等敏感区域的修改，还有额外的人工审核要求。
而且，AI 的审批永远不能冒充人工审批。
Anthropic 还明确规定，谁让 Agent 开发代码，谁就需要对最终结果负责。
这套机制已经让 AI 从辅助编程工具，进一步进入实际的软件交付流程。
防止AI 审查失控和死循环
Claude Code 团队曾经有一个 PR，在一夜之间经历了超过 50 轮代码审查和修复。
审查 Agent 不断提出问题，开发 Agent 不断修改，然后再次审查。
整个流程实际却陷入了循环。
团队进一步分析发现，反复提出的问题中，约 59% 涉及第一次审查时就已经存在的代码。
AI 并没有持续发现大量新问题，而是在反复检查旧问题。
为了解决这个现象，Anthropic 调整了审查策略。
审查达到三轮后，需要重新考虑实现方案。后续审查优先检查新增的代码变化，同时避免重复提交相同问题。
优化后，内部 PR 的平均审查轮数从 2.08 降低到 1.32，需要五轮及以上审查的比例从 8.9% 降到了 1.5%。
如何复制这套工作流？
Anthropic 在文章最后分享了具体的实践方式。
首先，在项目中维护 CLAUDE.md ，记录技术栈、项目规范、开发约束以及测试要求。
然后增加一个 REVIEW.md ，专门告诉审查 Agent 应该重点检查什么。
例如，哪些模块属于高风险区域，什么情况算严重 Bug，哪些文件无需检查，以及发现问题时必须提供具体文件和代码行。
完成开发后，可以让 Claude Code 执行：
`/code-review`
`/security-review`
同时要求 Agent 真实运行测试，提供构建结果，而不是仅仅告诉你任务已经完成。
对于持续集成项目，还可以通过 GitHub Actions 自动触发审查，并在 PR 模板中增加测试结果、风险说明和回滚方案。
如果发现某类问题经常重复出现，就把它写进项目规则，或者增加对应的自动化检查。
这样，整个审查系统会随着项目开发不断完善。
新的代码开发流程已经来了
Anthropic 对工程师职责的重新划分。
过去，程序员的大量时间花在编写代码、检查代码、寻找错误和修复问题上。
现在，Claude Code 团队已经开始把这些工作逐步交给 Agent。
工程师更多地负责决定功能是否值得开发、选择架构方案、判断高风险变更，以及对最终交付结果负责。
就连理解代码的方式也发生了变化。
Anthropic 提到，团队已经没有人需要完整掌握整个 Claude Code 代码库。
需要了解某个模块时，可以直接让 Claude 阅读源码，生成针对性的解释，甚至创建可交互的可视化工具。
这对于个人开发者尤其值得关注。
以前，一个人开发软件，最困难的是同时承担开发、测试、审核和维护工作。
现在，这些环节都可以逐步建立自动化流程，让多个 Agent 协作完成。
你们团队或者公司的工作流程在接入AI之后是否有新的变化？
可以在评论区留言讨论！
