Anthropic用AI辅助代码审查 提PR效率降回滚率

当AI智能体成为代码生成的主力时，如何平衡开发效率与代码质量，是不少研发团队面临的核心挑战。Anthropic旗下的Claude Code团队便针对这一问题，打造了一套适配AI生成代码场景的全新审查机制。

这套机制并未取消人工审查，而是将“代码阅读”这类重复性工作交由机器完成，把人类的时间和精力聚焦到只有人能做出的关键决策上；同时，团队还搭建了完善的错误快速发现与回滚体系，确保问题能被及时止损。

从2026年6月到9月，团队合并的代码合并请求（PR）数量实现了一倍以上的增长，同时代码回滚的比例下降了40%还多，这套机制的成效十分显著。

另一款AI研发工具团队DeepSeek，针对这类AI辅助的代码审查流程，做了配套的速记梳理，方便团队快速理解和落地：

这套流程采用七层漏斗式的审查逻辑，依次为：自我验证 → AI审查 → 安全审查 → 自动检查 → 人工按风险批准 → 合并队列与开关 → 快速回滚。

这套机制的三条核心原则，为其他团队提供了可参考的落地框架：第一，人类的时间必须用在机器无法替代的场景，比如判断代码的必要性、处理高风险代码、架构设计、验证核心逻辑以及对最终结果负责；第二，风险分级依据代码改动本身，而非代码的提交者，且机器人的批准永远不能算作人工批准，每一次新的代码提交都需要重新走审批流程；第三，回滚率和事故率是衡量机制有效性的核心指标——一旦这两个指标上升，就说明人类的时间只是被转移了，并未真正节省。

在实践过程中，团队也总结了两个关键教训：第一，代码中的“噪音”对智能体作者的影响远大于人类，人类会自动忽略非核心的细节问题，但智能体可能会花大量精力修正这类问题，反而导致提交和审查的轮次增加；第二，审查流程必须保持收敛性，比如设定最多3轮审查的上限，之后仅针对代码的差异部分进行审查，标记同一类错误避免重复发现，曾经就有一个代码合并请求经历了50多轮审查，效率极低。