Anthropic 的 Claude Code 团队正在应对软件工程中的重大转变：AI 智能体产出的代码量巨大。在他们的内部单体仓库中，每日变更量从 5 月份的 2,500 次激增到 9 月份的 30,000 次以上。为了应对这一情况，团队已不再将手动逐行代码审查作为主要关卡，而是采用由机器执行大部分“阅读”和常规检查的系统。其目标是在确保生产速度不会导致撤回或事故增加的同时，将人类的时间保留给新颖的挑战和高风险问题。
团队采用多层审查架构，其中大部分变更在人类看到之前都会由 AI 进行验证。这包括一个“预 PR”层，其中 Claude 被要求运行测试、构建或生成截图来验证自己的工作。如果自动化审查员标记出重复出现的问题，团队会更新基础指令——例如定义项目规范的 `CLAUDE.md` 文件——从源头上修复问题。对于每一个拉取请求（pull request），AI 审查员会根据整个仓库评估差异，以确保变更符合系统的意图。这些发现随后由另一组智能体进行验证，在评论提交给人类作者之前，这些智能体会对 Bug 的有效性进行“投票”。
该图表说明了当机器执行大部分常规阅读时，团队关于开发者如何维护代码库心理模型的理念。
现在，人类的干预是根据风险而非数量来衡量的。分类器决定变更的风险等级，低风险更新（如文档）如果通过自动化检查，则不需要人类批准。中高风险变更（如影响缓存或系统提示词的变更）则需要一名或两名人类审查员。为了保持质量，团队使用从过去事故和撤回中构建的“实时”评估集；对 AI 审查员的每一次更改都会针对此评估集进行评分，以确保其能捕捉到真实的 Bug 同时最大限度地减少噪音。这种方法使团队能够保持高水平的合并速度（在 6 月至 9 月期间合并的拉取请求数量翻了一番），同时将需要撤回的变更比例降低了 40% 以上。