90% 代码由 AI 编写，Anthropic 如何做到合并量翻倍且撤回率下降四成？

如果一个团队 90% 的代码都是 AI 写的，这个项目会变成什么样？

很多程序员的第一反应大概是：灾难要来了。

满屏都是跑得通但没人懂的复杂逻辑。 人类审查员每天被成千上万行改动淹没。 线上系统隔三岔五就要紧急抢救。

但 Anthropic 刚刚公布了自家核心工具 Claude Code 的内部账本。

在这个代码库里，大约 90% 的代码全是由 Claude 自己写的。 从 6 月到 9 月，团队合并的代码总量翻了一倍多。

让人倒吸一口凉气的是后半句： 代码合并后出问题被撤回的比例，反而下降了超过 40%。

代码写得越快越多，线上反而越稳。 怎么做到的？

很多人以为，AI 时代写软件的瓶颈是敲键盘的速度。 工程团队里最要命的卡点从来不在写代码，在读代码。

过去一个工程师花两天写两百行代码。 隔壁同事倒杯咖啡，花半小时逐行看一下，觉得没问题就点了同意。 这套流程在过去几十年跑得挺顺。

可一旦用上了编程智能体，节奏全乱了。 一个人带上 Claude Code，一上午能提五个代码改动，吐出两千行新代码。 要是还让资深工程师去逐行肉眼读代码，结果只有两个： 要么审查列表堆积成山，所有改动全卡在路上； 要么人实在看不过来，闭着眼睛点批准，直到线上报警。

从谷歌 Chrome 团队加入 Anthropic 的 Addy Osmani 算过这笔账： 在十倍的代码洪流面前，指望人类肉眼逐行找漏洞，本身就是一种脆弱的假象。

他们没有要求工程师加班看代码。 他们把这套用了几十年的审查机制彻底重构了。

他们的做法很明确： 既然代码是机器批量写的，最繁重的前置质检就必须交给机器。

第一道关卡在本地。 工程师还没提代码，本地工具和测试智能体就已经把格式、单元测试全跑了一遍。

改动一旦提交，人类根本不用急着看。 一整队专门的审查智能体直接扑上去。

它做的事情，完全不是简单的格式检查。 它会把改动放在整个工程上下文里去对照： 作者声称要解决的问题，这段代码到底有没有真正解决？ 改了这里的两行逻辑，会不会让三个文件夹之外的边缘情况崩溃？

怎么让 AI 知道团队的代码规矩？ 每个模块的负责人会写一份专门的 REVIEW.md 和 CLAUDE.md 文件。 里面不写空话，只写这个目录的核心架构、绝对不能踩的雷、必须满足的约定。 审查智能体每次工作，都会把这份文档装进脑子里，一条条对照。

更狠的是互相校验机制。 一个智能体挑出毛病后，会有其他智能体重新验证这个发现，把误报和琐碎噪音刷掉。 旁边还有专门的安全智能体同步扫描，检查有没有注入风险和权限漏洞。

经过这一轮机器轰炸，代码才会被送到人类面前。

这时候，人类工程师的职责完全变了。 他们不再是逐行改错字的校对员。

团队把风险分成不同等级。 低风险的文档更新和内部小重构，只要机器测试全过，直接自动合并。 高风险的核心逻辑，才需要人类介入。

人类看什么？ 看技术架构对不对、业务目标符不合预期、最坏情况下的影响范围有多大。 人类当导演，给架构把关，按下最后的发布开关。 机器智能体在任何情况下，都不能替人类批准高风险合并。

万一还是漏网了怎么办？

他们设计了极快的回滚网。 新功能上线前全藏在功能开关后面。 线上一旦出现异常，不用手忙脚乱重新打包部署，几秒钟关掉开关就能止血。

最关键的飞轮还在后头。

只要线上出现过一次故障，或者有一段代码被紧急撤回，这件事就不会白白过去。 这次事故会被立刻改写成一个永久的评测测试用例。 下一次团队调整审查智能体的指令或者更新模型时，新版审查员必须先跑通历史上所有的真实故障库。 抓不住老问题，或者误报率变高，新审查机制就不许上线。

你看，这台机器是怎么转起来的： AI 写代码，多智能体过滤初筛，人类把关架构风险，历史事故反哺成测试用例。

当生产代码的边际成本接近于零的时候，审查机制就成了决定生死的那根承重墙。