技巧74°

Claude Code 团队分享 Agent 验证工作流:90% 代码由 Claude 编写

精选理由

Anthropic 自己团队吃自家狗粮的完整经验:90% 代码让 Claude 写,靠 verify Skill 和 39 项触发式清单兜底。最实用的是“审查规则不许被改动”和“验证器也要被打分”这两条,做 Agent 编程工作流的人直接抄作业。

Claude Code 团队 @addyosmani 透露,团队 90% 的代码由 Claude 编写并审查,瓶颈已从代码生成速度转向人如何确认结果可靠。团队把启动和冒烟检查封装成 verify Skill,要求 Claude 在提交前先运行再判定完成,失败自动修复,三轮仍失败则交给人。一份 39 项可靠性清单按代码改动触发,通常只执行相关的 3—10 项检查,例如改动会话存储时验证旧记录能否通过 --resume 恢复。

正文

核心设计是防止 Agent 修改评判自己的标准:REVIEW.md 从基础分支或默认分支读取,而非当前 PR 里的版本;审查针对固定提交,避免代码变化后沿用旧结论。每次提交记录验证方式并明确标注“未验证”,系统能拦截未运行审查的提交,但同一会话连续拦截两次后放行,保留人工兜底。

验证器本身也被验证:团队用回滚记录、维护者拒绝的改动及规模相近的正常改动评估审查效果,只有准确指出实际缺陷才计分。新规则需同类问题在两个拉取请求中出现、经三个 Agent 尝试找反例并由人批准,避免误报堆积。

原文 · shao__meng

Claude Code 团队:让 Agent 交付验证证据,不只是代码 来自 Claude Code 团队 @addyosmani 分享:Claude Code 团队 90% 的代码由 Claude 编写并审查。真正限制并行规模的,不再是代码生成速度,转为人能否确认结果可靠。验证循环的意义,是让 Agent 提交可检查的证据,减少人逐项核对的负担。 claude.dev/blog/how-the-c… # 先真正运行,再判断完成 团队把启动和冒烟检查写成 verify Skill,让 Claude 在提交前执行。检查失败后尝试修复,三轮仍失败则交给人。 验证也不是每次机械执行所有检查。一份 39 项可靠性清单根据代码改动触发,通常只检查相关的 3—10 项。例如修改会话存储,就要确认旧记录仍能通过 --resume 安全恢复。检查由代码所有者编写,让具体的工程经验成为可重复执行的步骤。 # 改代码,不能顺便改掉评判标准 Claude Code 团队最重要的一条原则是:如果一项改动能修改评判自己的检查,这套检查就失效了。 因此,代码审查规则 REVIEW.md 从基础分支或默认分支读取,而不是采用当前拉取请求里可能被修改的版本;审查也针对固定提交,避免代码变化后结论仍被沿用。 每次提交还会记录验证方式,包括明确标注“未验证”。系统可以拦截没有运行审查或验证的提交,但同一会话连续拦截两次后会放行,以免陷入死循环。这说明它是带人工兜底的工程机制,不是绝对安全保证。 # 验证器本身,也要接受验证 团队用回滚记录、维护者拒绝的改动,以及规模相近的正常改动评估审查效果,并恢复当时的仓库状态。只有准确指出实际缺陷的发现才计分,不能靠泛泛提醒获得好成绩。 漏检也不会直接变成新规则:同类问题至少要在两个拉取请求中出现、能从代码差异中识别,再经三个 Agent 尝试找出反例,最后由人批准。这样既积累经验,也避免规则越来越多、误报越来越重。 ClaudeDevs @ClaudeDevs Claude writes better code when it can verify its work. Checks that used to be expensive, like tests, benchmarks, and end-to-end runs, are now cheap. Here’s how the Claude Code team thinks about verification: claude.dev/blog/how-the-c… 🔗 View Quoted Tweet

产业坐标与信源核验

本条情报归属 AITOP「技巧」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Claude Code、Claude、编程助手、智能体,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「shao__meng」(@shao__meng),经 AITOP 多维评分管线结构化提炼。