Claude Code 怎麼做 Code Review：把「有沒有人讀過」換成分層檢查與快速回滾

Article cover image

SOURCE | 資訊源評估

準確性：極高 - 解構 Anthropic 第一線實踐，揭示以 AI 審查 AI 的前沿管線。
易理解性：高 - 給出六層防禦旅程、風險分級模型、防無窮迴圈策略與量化指標。
閱讀策略建議：精讀六層檢查旅程與事故 Eval，是重構 CI/CD 與審查機制的藍本。

NAPKIN | 餐巾紙

一句話：當 AI 撰寫九成程式碼，審查核心不再是肉眼閱覽，而是設計多層自動防禦閘門，將人抽離至架構約束與回滾托底。
餐巾紙公式：$$\text{審查吞吐量} = \frac{\text{可跑驗證證明} \times \text{分級閘門}}{\text{單次耗損人時}} \times \frac{1}{\text{回滾時間 (MTTR)}}$$
行動觸發：建立 REVIEW.md 定義失敗條件（如誤路由、文件不一致），強制提供驗證指令與回滾計畫。

餐巾紙草圖

┌──
│ Claude Code 分層審查與快速回滾管線
│ ├── 1. PR 前驗證 ──▶ CLAUDE.md + REVIEW.md + 新上下文 Subagent 審查
│ ├── 2. AI 深度審查 ──▶ 多 Agent 並行抓 Bug + 投票濾雜訊（Quick/Standard/Deep）
│ ├── 3. 安全阻斷閘門 ──▶ 自動掃描漏洞，未解決強制禁止合併
│ ├── 4. 自動化測試 ──▶ Lint + 跨平台建置 + 強制提供驗證與回滾方案
│ ├── 5. 風險分級人工 ──▶ Low (0人免審) / Medium (1人) / High (2人)
│ └── 6. 回滾托底防線 ──▶ Merge Queue + Feature Flag + 事故納入 Eval 反哺
└──

ROUND 1: SKELETON | 骨架掃描

“這篇文章在解決什麼根本問題”

核心問題：在 AI 生成九成程式碼且變更量爆炸的時代，如何避免人工 Code Review 淪為團隊交付瓶頸，同時確保生產環境穩定？
核心答案：將審查哲學從「有沒有人看過每一行」轉變為「哪裡可能損壞、該由哪一層自動或人工攔截」，搭配極致的快速發現與回滾機制。
論證結構：問題重定義 ──▶ 成本雙面帳分析 ──▶ 六層檢查體系 ──▶ 審查循環防護 ──▶ 人機邊界劃分 ──▶ 落地實踐清單。

章節骨架

審查範式轉型：重新定義 Review 本質，將閘門後置改為寫作中的即時拼寫檢查（Spellcheck），審視人時雙面帳。
六層檢查旅程：建構 PR 前驗證、AI 審查、安全阻斷、自動化 CI、風險分級人工核准與 Merge Queue 回滾托底。
審查系統進化：將事故轉換為 Eval 基準集，解決 Agent 審查 50 輪無窮迴圈問題，嚴格限制多輪互動。
人機邊界防線：人保留於範圍、架構約束、危險面與核驗驗證證明，恪守「You land it, you own it」工程文化。

ROUND 2: DISSECTION | 血肉解剖

“憑什麼這麼說：論證與硬核證據”

論證鏈

┌──
│ AI 驅動 Code Review 效益遞推鏈
│ ├── 變更暴增：Claude 寫約九成程式碼 ──▶ 傳統肉眼審查必然崩潰
│ ├── 價值重構：機器負責抓常規 Bug ──▶ 人工聚焦產品判斷與高風險面
│ ├── 工具升級：可跑結果（測試、截圖）──▶ 品質提升 2 至 3 倍
│ └── 效果驗證：PR 合併數翻倍 ──▶ 需要 Revert 比例反而下降逾 40%
└──

關鍵證據與量化數據

效能與品質反常識提升：6–9 月合併 PR 數翻倍以上，需 revert 佔比下降逾 40%，打破速度提升必伴隨品質劣化的迷思。
驗證鷹架成倍放大產出：Boris Cherny 指出，為 Claude 配置可運行驗證機制（測試、截圖），產出品質約提升 2–3 倍。
實質審查檢出率提升：內部具實質評論 PR 自 16% 升至 54%；大於千行變更多能檢出問題，小 PR 保持高度乾淨。
無窮迴圈與舊碼陷阱：作者與審查 Agent 曾隔夜循環 50+ 輪；59% 報錯為既有舊碼，促成「3 輪收斂原則」。

隱形假設與邊界條件

隱形假設：系統具備高覆蓋率自動化測試套件與健全 Feature Flag 基礎設施，允許未經人工檢視的低風險程式碼安全進主幹。
邊界條件：若專案屬於高耦合單體架構、測試環境不穩定且缺乏即時回滾開關，本方案會因誤報與連鎖崩潰造成反效果。

ROUND 3: SOUL | 靈魂提取

“如何落地與架構反思”

作者盲點：依賴 Feature Flag 與回滾的前提是強大的遙測觀察性；若監控延遲，缺陷仍會擴散。
知識連接：實踐精實生產安燈系統（Andon Cord）與持續交付「小批次、快流動、嚴格護欄」原則。
行動觸發：修改 CI 流程，將純格式審查交由 Linter 攔截，為 PR 範本強制加上「驗證步驟」與「回滾方案」欄位。

留白提問 (Guided Reflection)

提問 1：AI 生成九成程式碼時，如何維持團隊對系統的認知？
- 架構師視角：不追求全知全能；要求 AI 產出關鍵切片 Explainer 工件於公開頻道共創。
提問 2：Agent 間產生風格爭論時，如何有效介入？
- 架構師視角：硬限最多 3 輪；後續僅審新 diff 並降級風格爭端為 Nit，禁阻合併。

跨域映射

在 半導體晶圓製造，這叫 統計製程管制（SPC）搭配線上自動光學檢驗（AOI）
在 航空飛行管制，這叫 自動駕駛儀分級覆蓋與緊急斷路切換機制

DEEP READ | 精讀指引 (Must-Read Segments)

[!IMPORTANT] 學習的本質需要「認知阻力」。請回到原文精讀以下核心技術段落：

變更旅程：六層檢查，回滾托底
- 「在『Claude 寫約九成程式碼、變更量暴漲』的前提下… 把品質問題改寫成『這改動哪裡可能壞、該由哪一層自動或人工接住』」
- 推薦理由：精確定義了 AI 時代軟體工程管線的典範轉移。
讓審閱者變好：事故當 Eval，強制收斂
- 「事故 PR + fix-forward/revert 做成評測集… 曾見 CLI 上作者 agent 與審閱 agent 隔夜循環 50+ 輪」
- 推薦理由：揭露了多 Agent 自治系統在真實工程環境中的極限邊界與收斂對策。

STRUCTURE MAP | 全書結構圖

┌──
│ Claude Code 審查架構全景拓撲
│ ├── 哲學重塑：從「人工逐行通讀」轉向「分層漏斗過濾」
│ ├── 防禦管線：六層驗證防護網
│ │   ├── 第一層：PR 前驗證（CLAUDE.md、REVIEW.md、本地 Skill）
│ │   ├── 第二層：AI 語意審查（Quick/Standard/Deep 分級與投票過濾）
│ │   ├── 第三層：安全獨立阻斷（安全性問題一票否決）
│ │   ├── 第四層：自動化測試與回滾方案強制檢查
│ │   ├── 第五層：風險分級人工介入（Low 0人 / Med 1人 / High 2人）
│ │   └── 第六層：Merge Queue 整合與分階段放量
│ ├── 自我演進：事故與 Revert 全量轉化為 Eval 測試集
│ └── 文化底線：You land it, you own it（人負最終責任）
└──

Claude Code 怎麼做 Code Review：把「有沒有人讀過」換成分層檢查與快速回滾 (Architectural Deep Dive)

前言/背景

Claude 生成九成程式碼且變更暴增，傳統逐行閱讀必造成審查壅塞與漏檢。團隊發動範式轉型：將品質核心重構為「何處可能損壞、由哪層攔截」，並以快速回滾為終極護欄。

章節詳細總結

1. 審查重定義與六層防禦管線

團隊將 Code Review 從 PR 後阻斷閘門改造為開發中的拼寫檢查器（Spellchecker），涵蓋六層精密防護：

┌──
│ 六層漏斗式檢查旅程
│ ├── Layer 1: 本地 PR 前驗證（測試、建置、UI 截圖、Subagent 審查）
│ ├── Layer 2: 雲端 AI 審查（多 Agent 投票，標註 Important/Nit）
│ ├── Layer 3: 安全阻斷檢查（未通過安全性掃描禁止合併）
│ ├── Layer 4: 阻斷式 CI 檢查（型別、多平台測試、強制填寫回滾說明）
│ ├── Layer 5: 風險分級人工核准（Low: 0 人 / Med: 1 人 / High: 2 人）
│ └── Layer 6: 主幹合併佇列（Merge Queue）與分階段漸進放量
└──

本地透過 CLAUDE.md 與 REVIEW.md 定義規範與失敗條件。作者提交前必備可運行證明，常規缺陷於進入 PR 前即被消滅。

架構權衡 (Trade-offs)

優勢 (Pros)：解放人工低階檢查，大幅降低 PR 等待人時。
劣勢與成本 (Cons & Overheads)：前期維護規範文件與客製化 Skill 需投入精力。
選型建議：適用於變更頻繁、全面引入 AI 生成工具之中大型工程團隊。

2. 動態風險分級與人機權限隔離

為防止機器審查盲目自滿，團隊制定嚴格人機權限隔離：Agent 核准永不替代人類，人工審查依程式碼影響半徑動態縮放。

┌──
│ 風險階梯與簽核矩陣
│ ├── Low 風險（文件、文案、Feature Flag 後純加法）──▶ 機器審查通過即自動合併（0 人）
│ ├── Medium 風險（普通業務邏輯、快取、系統提示詞）──▶ 需 1 名工程師核准
│ └── High 風險（認證、計費、自動更新、CI 流程）──▶ 強制 2 名核心成員核准
└──

Agent 自動發起 PR 時，操作者為法定第一審查人。核准嚴格鎖定於當前 Commit；任何未受信新 Commit（如修復推播或解衝突）即刻吊銷核准並強制重測。

架構權衡 (Trade-offs)

優勢 (Pros)：高危路徑維持嚴密人防，低危路徑享有流動性。
劣勢與成本 (Cons & Overheads)：需維護複雜的 CODEOWNERS 與 CI 權限狀態機。
選型建議：具備成熟微服務或模組化邊界的大型專案應強制實施。

3. 防無窮迴圈機制與評測反饋迴路驅動

推進多 Agent 協同審查時曾發生意外：作者與審查 Agent 針對風格隔夜循環 50+ 輪。分析顯示 59% 警報為既有舊碼。

┌──
│ 審查循環收斂防護網
│ ├── 輪次截斷：限制互動最多 3 輪，逾期強制重提方案或轉人工
│ ├── 增量鎖定：後續輪次嚴格限定僅審新 Diff，禁止全倉掃描
│ ├── 批次修復：同類 Bug 集中批次交付，拒絕逐條觸發 CI
│ └── 舊碼隔離：歷史債務交由夜間獨立排程掃描，不阻斷業務 PR
└──

團隊將線上事故與 Revert 轉為自動化 Eval 基準集。調校審查 Prompt 或模型時全量重跑，確保審查水準單向進化。

架構權衡 (Trade-offs)

優勢 (Pros)：杜絕 Token 浪費，確保審查品質持續量化演進。
劣勢與成本 (Cons & Overheads)：建構並維護事故 Eval 資料集需持續工程投入。
選型建議：構建企業自研 Coding Agent 與 Review 機器人時的關鍵設計。

4. 快速回滾托底與工程文化重塑

任何防禦皆有疏漏。Claude Code 團隊的終極防線是極低摩擦的回滾（Revert）與 Feature Flag 體系。

┌──
│ 快速回滾防禦架構
│ ├── 變更發布：Merge Queue 驗證 ──▶ Latest 通道 ──▶ 漸進放量至 Stable
│ ├── 故障暴露：內部日常試用（Dogfooding）+ 異常遙測指標即時警報
│ ├── 處置手段：Feature Flag 秒級關閉，或單鍵觸發 Revert 合併
│ └── 文化底線：You land it, you own it（作者自修，對系統負責）
└──

推行「You land it, you own it」文化：合併主幹者對品質負全責。事故覆盤 (Post-mortem)檢視六層防禦何處失守，藉此回補 CLAUDE.md 或增設規則。

架構權衡 (Trade-offs)

優勢 (Pros)：大幅降低事故修復時間（MTTR），團隊敢於快速推進。
劣勢與成本 (Cons & Overheads)：依賴發布開關與監控警報基礎設施。
選型建議：雲端原生與高可用架構之標準防線。

總結與結論

形式審查轉向實質防禦：揚棄肉眼通讀假象，以多層驗證與風險隔離建構防線。
事故轉化為累積資產：以事故建立 Eval 反饋迴路，是審查系統持續精進的唯一路徑。
速度與品質可兼得：重倉快速發現與回滾，在變更爆炸時代實現效能品質雙贏。

Source URL: https://x.com/shao__meng/status/2114615306908029337