Anthropic 的 Claude Code 团队的工程师 Addy Osmani 最近分享了他们怎么让 AI 写代码写得又快又靠谱。他们团队大约 90% 的代码都是 Claude 写的,Claude 还负责审查。规模这么大,怎么让 AI 自己验证自己的活儿,就成了最关键的事。
他们的做法叫“验证循环”。没有这套机制的时候,你最多同时盯一两个 AI 干活,因为每件事都得自己过目。有了之后,你可以同时跑几十个甚至上百个 AI,它们能自己检查自己的产出。
测试方法他们推荐了三种。先说端到端测试,如果只能选一种就选它。它模拟真实的用户操作,比如往购物车加东西、结账、跳到确认页,整个链路走一遍,功能要么跑通要么没跑通,很难糊弄。再说属性测试,用工具自动生成成千上万个输入,去试那些人容易忽略的边角情况,比如“编码再解码回来结果还一不一样”“账户余额会不会变成负数”。最后是差异测试,适合做系统迁移的时候用,新旧系统喂同样的输入,看输出有没有不同,有不同就说明有问题。
光跑测试还不够,他们特别强调要把整个应用真正跑起来看看。就像你做 iOS 开发得在模拟器上试一下,Claude 也得实际操作一遍。他们让 Claude 用浏览器插件测网页、模拟器测手机端、本地跑后端。团队还在代码仓库里放了一个叫 verify 的技能文件,把怎么启动、怎么检查的步骤写好,Claude 提交代码前会自动跑一遍。
代码审查上也有讲究。如果 Claude 自己修了三轮还过不了测试,它就停下来,交给人来看。写代码的人自己写对应的审查规则,说清楚什么情况要拉人。他们维护了一份 39 条的检查清单,每条都有触发条件,Claude 读完代码改动后只查匹配上的那几条,通常 3 到 10 条。还有一条硬规矩:一个代码改动不能去动审查它自己的那套规则,审查读的永远是主分支上的文件。
他们还会定期回头审查“审查者”本身,看哪些合并后的改动被回滚了、被维护者打回了。如果有 bug 被漏掉了,就提炼成新规则写进审查文档。过时的旧规则也会定期清理,不让这份清单越积越长。
科技先锋官How I AI
