约 90% 的代码由 Claude 写、也由 Claude 审,这是 Anthropic 的 Addy Osmani 对 Claude Code 团队工作方式的一句话概括。我们认为,这组实践比“AI 写代码有多快”更值得关心:当机器承担大部分产出后,瓶颈已经转向验证结果是否可信。
这是什么
Claude Code 团队让人从逐行阅读代码差异,转向定义“什么叫完成”,再检查可复现的证据。提交前,Claude 要把应用真正启动并走一遍;失败后自行修复,连续三轮仍失败才交给人。团队还整理了包含 39 条规则的事故清单,每次只检查与本次改动相关的风险。
关键设计是让评审规则放在代码改动触及不到的位置,避免 AI 顺手修改评分标准;评审器漏掉的问题,则沉淀为新规则并用于回测。Claude Code 已内置 /verify,从 v2.1.286 起,提交前可强制运行项目里的验证流程。
行业怎么看
乐观者认为,可信验证能让人同时管理几十个乃至上百个 AI 编程任务。Boris Cherny 估计,赋予 Claude 明确验证方法可使最终结果好两到三倍,但这只是个人估计。所谓“任务成功率最多高 10 个点”,来自 Managed Agents 在结构化文件生成上的内部测试,并非 Claude Code 团队的数据。
风险同样明确:没有测试效果数据,就不能把“验证先行”直接等同于可靠性提升。AI 生成测试、基准和规格,也可能让机器围绕错误标准自我确认;端到端测试更真实,但速度慢、维护成本高。测试不稳定时,AI 容易反复重跑碰运气,而不是修复根因。因此,验证器需要独立于被测代码,并用历史事故持续检验。
对普通人的影响
对企业 IT:AI 编程工具正在从代码生成器变成工程执行系统,采购重点会逐渐转向运行记录、审计规则和人工接管机制。
对个人职场:开发者的价值更偏向定义业务规则、设计验收条件和判断异常证据;只负责催模型生成代码,职业空间会继续收窄。
对消费市场:软件交付速度可能提高,但消费者不会直接感知模型用了多少 AI,只会更快遇到功能完整度不一致、更新更频繁的产品。