Anthropic 每天合并约 3 万次代码变更，评审时人在看什么？

导读

Agent 提交的代码多到人无法逐行读完时，评审该看什么？Anthropic 的 Addy Osmani 把重点放在可复查的证据：让 Claude 先读代码、实际试用功能、运行检查，再由人判断结果。做界面时，Agent 应在浏览器跑完整流程，并可交回截图或操作视频；发现漏做或缺陷后，通过自动触发的检查继续修改。团队还要写清共享判断标准。不同验证各有范围：端到端测试检查流程，视觉验证看呈现，规则和依赖扫描处理其他安全问题，不能凭一次浏览器跑通就一并放行。规模扩大后，身份、权限和行为记录也需跟上，明确哪些系统被访问、谁负责异常。即使 Claude 写完全部代码，每次变更仍有具名负责人；负责人根据测试证据决定是否合并，出了问题也由他修复。