Claude пишет 90% кода Claude Code, и его команда перестроила ревью вокруг уровней риска

Семь слоёв и одно правило о том, кто может одобрить

В посте сказано, что Claude пишет около 90% собственного кода Claude Code. С июня по сентябрь количество слитых pull request-ов выросло более чем вдвое, а доля тех, что пришлось откатить, упала больше чем на 40%. Команда сохранила ревью, но большую часть чтения перенесла на автоматические проверки. Цель — чтобы большинство PR сливалось с участием не более одного человека; отслеживаются человеческие одобрения на PR, человеческие комментарии и время ожидания, а защитным барьером служат показатели откатов и инцидентов.

Слои такие: Claude запускает тесты, сборку и линтеры, а субагент с чистым контекстом проверяет диф до создания PR, руководствуясь CLAUDE.md и файлом REVIEW.md, который пишут владельцы кода. Параллельные агенты ревью ищут баги, а агенты-верификаторы голосуют по каждой находке; в комментарии попадают только согласованные находки, помеченные как Important, Nit или Pre-existing. Отдельный проход по безопасности может заблокировать слияние; обязательный CI; классификатор риска ставит изменения в низкий (без человека), средний (один человек) или высокий (два человека) уровень. Дальше идут очередь слияния, фичефлаги, которые сначала выкатываются сотрудникам, и быстрый откат.

Цифры по сходимости ревью: доля PR, проходящих после одного раунда ревью и исправлений, выросла с 65% до 78%; доля PR, которым нужно пять и более раундов, упала с 8,9% до 1,5%; среднее число ревью до прохождения снизилось с 2,08 до 1,32. Около 59% того, что ревьюер продолжал отмечать, было старым кодом, существовавшим ещё до первого прохода. Людям по-прежнему принадлежат решения, что строить, рискованный код вроде биллинга и автообновления, архитектура и ответственность: «Слил — отвечай».

Тред: пропускная способность — не знание

Первой реакцией стала насмешка над самим масштабом.

«Я правда не понимаю, зачем Anthropic описывает то, что, скорее всего, является шумом?» — комментатор, скептически настроенный к объёму PR

Ответил сооснователь и CTO Goody, который указал, что цифры понимают неправильно:

«Claude Code живёт в отдельном репозитории. Значит, 1000 PR в день делает не TUI» — Mark Bao, сооснователь и CTO Goody

Фуллстек-инженера с девятью годами стажа поправка не убедила:

«Когда доходишь до 1000 PR, всерьёз начинаешь гадать, что вообще ты строишь» — фуллстек-инженер с девятью годами в отрасли

Глубже возражение касалось понимания. Когда в тексте появилась идея LLM, которая суммирует участок системы, один читатель сказал, что результат — просто поиск под другим названием, а другой:

«Код нельзя знать, не пережив его на практике» — комментатор, который читает тесты, чтобы проверить, что они проверяют

Что из этого взять

Самая переносимая деталь — не стек, а режим отказа: циклы «агент-автор — агент-ревьюер» сами по себе не сходятся, а при 59% повторных находок, относящихся к старому коду, поздние раунды в основном находят старые баги. Лимит раундов и повторное ревью только диффа копируются дёшево; классификатор риска — та часть, которая требует доверия к собственным данным об инцидентах.