AI 智能体应用案例
Views —

AI 智能体应用案例

今日新增

2全部 191 条

共 191 条，第 1–20 条

开发·编程

AI自动代码审查与人工仅审核高风险变更的团队运营方式

据介绍，Anthropic Claude Code团队将代码审查交由AI负责，只有高风险的变更才由人工进行审核。

Claude Code

使用方法

  1. 编写代码后，作者通过可执行的测试、构建或设计对比截图等方式验证变更内容。
  2. 向Claude展示代码变更的结果，由内部子代理在新的上下文中审查diff。
  3. 通过CLAUDE.md和REVIEW.md等文档明确项目和审查标准，确保AI审查员可以参考。
  4. 对于所有拉取请求（PR），Claude会自动进行代码审查。AI会参考变更目的和整个代码库查找问题，并由多个代理通过投票方式验证是否存在bug。
  5. 安全审查也实现自动化，如果存在bug或安全问题则阻止合并。可以利用开源GitHub Action或/security-review命令。
  6. 必须通过自动化的lint、类型检查、测试、构建等多项验证。PR模板中需明确测试方法和回滚方法。
  7. 根据变更的风险度，人工审批流程有所不同。低风险变更仅通过自动化即可合并，中高风险则需一人或两人审批。只有受信任的作者才能走自动化路径。
  8. 在合并队列中重新执行所有检查，确保合并后无问题。新功能通过特性开关先向内部员工发布，逐步公开。
  9. 如出现问题，团队通过特性开关、仪表盘和值班体系快速检测并回滚。
  10. 团队每天收集实际事故案例评估审查流程和AI审查员，针对重复性问题通过规则、文档或技能进行改进。

结果

据介绍，作者运营的体系中，大部分代码变更由AI自动审查，只有高风险变更才由人工直接审批。经过自动化审查、安全检查、lint、测试、构建等多重验证后，根据风险度调整人工审批流程。据称，实际合并的PR数量翻倍，但回滚比例下降了40%以上。团队通过文档和规则改进重复性审查反馈，并将事故案例每日纳入AI审查员的评估，以提升AI审查质量。

注意事项

作者基于Claude Code团队的实际运营经验，介绍了自动化代码审查与人工分工的方式。内容未包含具体配置参数、公开代码或提示词示例。团队内部的信任标准、风险分类和审批策略需根据各自组织情况调整。

来源

Anthropic Claude.dev 블로그 原文 ↗

示例提示词 · Claude Code

目标：希望实现大部分代码变更由AI自动审查，仅高风险变更由人工直接审批的团队运营方式。

所需输入与环境：
- 基于GitHub仓库和拉取请求（PR）的开发环境
- Claude Code（或类似AI代码审查工具）使用权限
- 针对每个项目编写CLAUDE.md（项目说明、技术栈、规则等）和REVIEW.md（审查标准、失败示例、跳过路径等）文档
- 自动化的CI流水线，包括lint、类型检查、自动测试、构建等
- 用于安全审查的GitHub Action或/security-review命令
- 风险分类标准（如：低风险：文档/内部功能，中风险：主要功能，高风险：支付/构建/CI等）
- 受信任作者名单及审批策略

实现与配置步骤：
1. 在每个仓库中编写CLAUDE.md和REVIEW.md，供AI审查员参考。
2. 配置工作流，在PR创建时自动执行/code-review和/security-review。
3. 将lint、类型检查、测试、构建等自动化验证集成到PR流程中。
4. 在PR模板中增加测试方法、风险度、回滚方法等项目。
5. 实现风险分类逻辑（如基于路径、变更内容、作者信任度），低风险PR仅自动化即可合并，中高风险需一人或两人审批。
6. 仅允许受信任作者走自动化路径，其余情况始终要求人工审批。
7. 在合并队列中重新执行所有检查，确保合并后无问题。
8. 新功能通过特性开关先向内部员工发布，逐步公开。
9. 收集事故或回滚案例，作为AI审查员的评估集，针对重复性反馈通过规则或文档改进。

结果物：
- 大部分PR通过AI审查和自动化验证即可合并，仅高风险变更需人工直接审批的工作流
- 事故发生时可快速回滚和原因分析，并有审查流程改进机制

验证条件：
- 检查每个PR的自动化审查、安全检查、lint/测试/构建是否正常运行
- 用样例PR测试风险分类和审批策略是否实际生效
- 检查事故发生时回滚及评估机制是否有效