Anthropic 公开 Claude Code 团队怎么做代码评审

AI 写的代码越来越多，人到底该审什么？Anthropic 把自家答案摊开了。

核心变化：评审的对象变了

Claude Code 团队发现，当大部分代码由 AI 生成后，传统评审“逐行找 bug”的模式失效了——人眼看不过去，也不该这么看。他们的调整是把评审重心从代码本身挪到三个 STILL 由人把守的环节：变更发生前（问题定义、方案选择、约束条件是否写清楚）、意图层（AI 的实现是否真的回答了被问的问题）、系统集成点（改动会不会在别处炸开）。

配套的工程做法包括：让 AI 先写测试再写实现、用规格文档代替口头需求、把评审意见结构化后回喂给模型修复，而不是人肉改代码。

为什么值得抄

这篇长文在 Hacker News 拿到 252 分，讨论区里最热的共识是：它描述的不是“Anthropic 的特殊做法”，而是 AI 编程渗透率过半之后所有团队都要面对的转型题。工程师的价值从“写对代码”迁移到“定义对问题”——这和麦肯锡用 AI 假客户面试求职者是同一个信号的两面。

对还在“AI 生成的代码我看都不看”和“AI 写的我全信”两个极端摇摆的团队，这篇文算是一份可落地的中间路线图。