Anthropic 推出 Code Review：派多智慧體深度查 PR，誤報率不足 1%

用 AI 寫程式碼確實爽快，動動嘴皮子就能吐出成百上千行程式碼。但問題隨之而來：寫程式碼的速度飆上去了，看程式碼的同事快被逼瘋了。

過去一年裡，Anthropic 自己的工程師人均程式碼產出增長了 200%。海量的 Pull Request（PR）堆在倉庫裡，很多人只能草草掃一眼就點了批准，線上故障的風險成倍增加。為了解開這個死結，Anthropic 在 3 月 9 日為 Claude Code 正式推出了 Code Review 功能，目前向 Team 和 Enterprise 訂閱使用者開放研究預覽。

派一群 Agent 交叉挑刺，專抓致命邏輯漏洞

和市面上那些幾秒鐘就給出格式建議的輕量級工具不同，Code Review 的定位是深挖而非速度。系統收到 PR 後，會派出一組智慧體並行閱讀程式碼，每個智慧體從不同的角度排查隱患。

接著，專門的智慧體負責對可疑點進行交叉驗證，把假警報剔除掉，最後按嚴重程度整理成一份總覽報告，並直接在 GitHub 程式碼行旁邊寫下批註。問題會用顏色分級標出：紅色代表最高嚴重級，黃色是建議人工核對的隱患，紫色則專門標記由修改牽扯出的舊程式碼缺陷。

Anthropic 負責該產品的 Cat Wu 提到，這套工具特意放棄了縮排、命名等程式碼風格的嘮叨，百分之百死磕邏輯錯誤。因為對於開發者來說，最煩人的就是 AI 報出一大堆無關痛癢的假警報。

從內部測試看，這一招確實奏效。Anthropic 內部執行數月的資料顯示，工程師標記為誤報的比例不到 1%。對超過 1000 行的大 PR，它有 84% 的機率抓出問題，平均每次揪出 7.5 個隱患；在 Anthropic 內部，包含實質性意見的 PR 比例從原先的 16% 直接拉到了 54%。

官方還分享了兩個典型案例。一次是有工程師向內部生產服務提交了一行極簡單的改動，看起來毫無殺傷力，幾乎就要被秒批，結果 Code Review 報警指出這行程式碼會破壞服務的身份驗證。另一個案例來自開源儲存中介軟體 TrueNAS，系統在審查一段 ZFS 加密重構時，順藤摸瓜找出了旁邊舊程式碼裡的型別錯誤，那個暗坑本來在每次資料同步時都會悄悄清空加密金鑰快取。

耗時 20 分鐘、一次收 20 美元的高階工位

既然是多智慧體深度分析，代價自然不便宜。Code Review 跑一次平均需要 20 分鐘左右，按消耗的 token 計費，單次審查的平均花費在 15 到 25 美元之間，程式碼變更越多越貴。

為了防止團隊賬單失控，管理員可以設定月度支出上限，或者只在核心倉庫裡開啟這項功能。至於程式碼最終能不能合併，Code Review 不具備批准許可權，最終的 Merge 按鈕依然得由人類工程師來按。

這也反映了 Anthropic 目前的商業重心理念。TechCrunch 報道提到，Anthropic 當天正因供應鏈風險認定與美國國防部對簿公堂，但其企業端業務正處在爆發期，Claude Code 的年化營收已經超過 25 億美元。Uber、Salesforce、Accenture 這樣的大企業客戶在用了 AI 程式設計後，正被雪片般的 PR 壓得喘不過氣，他們願意為高水準的程式碼把關掏腰包。

為什麼重要

AI 生成程式碼的工具越多，程式碼審查這個傳統工序的價值反而被無限放大了。

對於個人開發者來說，單次 15 到 25 美元的審查成本顯然太貴，日常開發完全沒必要開著它燒錢。但對於企業技術主管或核心架構師而言，這筆賬很划算：線上核心服務如果因為漏看了一行程式碼而崩掉，排查故障、公關和停機損失的成本往往以數萬美元計，花幾十美元給關鍵 PR 僱一個不知疲倦的專家級複核員，在商業上完全成立。

在行業層面，Anthropic 這一步走得相當巧妙。它實際上完成了「製造問題再賣解藥」的商業閉環：前端用 Claude Code 幫開發者瘋狂刷產出，後端緊接著用 Code Review 和 Code Security 幫團隊排查風險，兩頭都在消耗模型算力。這會逼著競爭對手從單純拼寫程式碼的速度，轉向比拼端到端的工程安全治理。

我們認為，Anthropic 最聰明的取捨在於犧牲速度換取可信度。程式碼審查最怕訊雜比低，很多同類產品死就死在開發者被垃圾提示淹沒後直接選擇無視。通過多 Agent 交叉驗證把誤報率壓到 1% 以下，寧可跑 20 分鐘也要保證報出來的都是真問題，這種設計思路非常懂工程師的心理。

但這裡的隱患也顯而易見。當 AI 審查的準確率越來越高，人類同事可能會徹底形成依賴心理，甚至連原本的淺層掃視都省了，直接看著綠燈就合併程式碼。一旦某個複雜的邊界條件碰巧繞過了多智慧體的法眼，最終為此買單的，依然只能是敲回車的人類。