Claude Code 团队揭秘:90% 代码由 AI 编写,人只看 3-10 项检查
Claude Code 团队如何验证 AI 写的代码。
- 该团队约 90% 的代码由 Claude 编写,代码评审也由它负责。
- 关键不是让人逐行阅读,而是建立一个能让 AI 带着证据验证自身工作的闭环。
- 有了这个闭环,人就不必每次都亲自确认。
- 由此可以并行运行几十到几百个 Claude。
- 最值得投入的是端到端测试,即完整模拟真实用户操作。
- 单元测试通过,功能仍可能损坏。
- 端到端测试更难被 AI 蒙混过关。
- 其次值得投入的是属性测试,即针对不能出错的条件,大量喂入随机输入。
- 在大规模迁移中,给新旧系统相同输入并比较结果的差分测试很有效。
- 团队重视的不只是测试,而是真正运行应用,并把操作步骤定义为 verify 技能。
- 检查失败时,AI 会反复修正;如果三轮仍未修复,就转交给人。
- 检查项由代码所有者编写。
- 他们会从一份 39 项的可靠性清单中,挑出与本次代码差异相关的 3 到 10 项进行确认。
- 为防止 PR 侧的改动改写判定标准,REVIEW.md 从基础分支读取。
- 团队还设置了门禁,防止未经验证的提交。
- 他们把过去的故障和被回滚的 PR 当作标准答案,用来评估验证环节是否漏掉了 bug。
- 发现遗漏后会把它固化为规则,同时也会定期清理,避免规则和测试膨胀。
- 验证机制本身也被当作一个系统来对待,并与被改动的代码侧隔离,持续独立演进。
- 由此,人的角色会从检查全部代码差异,转向定义“完成”的标准,并确认证据。