Команда Claude Code рассказала, как ревьюит код, который на 90% пишет сам Claude. Очень люблю читать именно статьи OpenAI/Anthropic/Google, потому что они сейчас в фарватере изменений, а не блогеры и инфлюенсеры. Рекомендую больше, чем всякие курсы. Как раз хотел на этой неделе разобрать несколько. В общем, цель они сформулировали так: минимум человеческого времени на ревью при том же уровне откатов и инцидентов. Меряют число апрувов на PR, комментарии и время ожидания человека, а откаты и инциденты – как ограничитель. Что внутри: – До PR. Claude сам гоняет тесты, билд и линтер, потом сабагент со свежим контекстом смотрит дифф. Плюс внутренние скиллы: поиск багов, упрощение диффа, e2e-проверка. – AI-ревью на каждый PR. Несколько агентов параллельно ищут баги, отдельная группа голосует за каждую находку, чисто стилистика выкидывается. Находки размечены: Important, Nit, Pre-existing – чтобы старый баг не повесили на автора. На каждую находку обязательно надо ответить. Когда запускали превью, доля PR с содержательными комментариями выросла с 16% до 54%. – Security-ревью, которое блокирует мерж. – Обычный CI: линт, типы, тесты на всех платформах. – Апрув по риску. Классификатор решает, сколько людей нужно: доки, тексты, фичи за флагом – ноль, обычные изменения – один, самое критичное – двое. Биллинг, автоапдейтер и CI-воркфлоу всегда требуют человека. – Merge queue, флаги, сначала внутренние пользователи, потом канал latest, потом stable. – Быстрый откат. Важные правила: уровень риска определяется изменением, а не автором. Облегченный путь – только для доверенных авторов. Апрув агента никогда не засчитывается за человеческий. А тот, кто дал агенту задачу, отвечает за код так, будто написал его сам(!) Прикол, что агент-автор и агент-ревьюер могут бесконечно гонять друг друга. Один PR за ночь прошел 50+ раундов ревью, пока автор его не остановил. Посмотрели – около 59% замечаний касались старого кода, то есть ревьюер каждый раунд находил еще пару старых багов, а не новых. Ввели лимит в 3 раунда и повторное ревью только по новому диффу. С июня по сентябрь мержей стало в 2+ раза больше, а доля откатов упала больше чем на 40%. Каждый прошлый инцидент превратили в eval, ревьюера гоняют по нему каждый день, и любое изменение промпта или модели, ухудшающее скор, откатывают. Короче, это лучший публичный разбор того, как ревьюить агентский код, который я видел. Это можно внедрять хоть завтра, Code Review для Claude Code как раз вышел в GA на Team и Enterprise. Можно просто натравить ваших агентов на эту статью и попросить применить лучшие практики. Я еще когда токены не закончились недельные гоняю код-ревью по всем продуктам, тоже находится много чего среднего уровня. В общем, не верьте всему, что делает даже самая умная ИИ-ка - создавайте системы, в которых ее действия тщательно проверяются. https://claude.dev/blog/solving-code-review-at-anthropic/