Anthropic工程师分享AI Agent写代码的质量保障体系

AI Agent 大量写代码后软件工程质量怎么保障？

来自 Claude Code 核心开发者 Boris Cherny 和 Addy Osmani 的一手经验 + 资深工程领导者的操作化提炼，非常值得学习。

Boris Cherny 的核心贡献是“分层”和 Anthropic 的真实做法：

1. 一次性代码可以完全黑箱：反正要扔、出错影响小，不必追求完美。 2. 生产代码的标准要高于人写的。他在邮件中列出了 Anthropic 内部的实际护栏：大量 lint 规则、大量测试、Claude 驱动的端到端测试、每天运行的 Claude 驱动模糊测试、自动化代码评审和安全评审、自动化重构。 3. 他还给出了一条升级阶梯：换最新前沿模型（Opus 5 / Fable 5.1）→ 调高 effort（high/xhigh）→ 投入 CLAUDE.md 和 Skills 教会 Claude 在你的代码库工作 → 更强的人工引导 / 让 Claude 偿还技术债、重写代码库 → 等下一个模型。

Addy Osmani 是把理念落成四个可执行动作：

1. 先对齐结果与约束：定义“完成”、划定不可触碰区域、判断复用是否优于新写，然后放手。他明确说最新模型不需要冗长的规划仪式——但要在坏改动变成 PR 前拒绝它。 2. 给 AI 自检手段：把确切的 build/test/lint 命令写进配置，把评审中反复拒绝的问题变成 Skills（/verify、e2e、schema 检查），开 PR 前运行。 3. 按 blast radius 分配审查深度：影响范围决定阅读投入；涉及 money、auth、用户数据的代码标准要高于人写的。 4. 出错不要悄悄手动修：让模型把教训写进 CLAUDE.md 或 Skills，这是最反直觉也最重要的一条。

把 Boris Cherny 和 Addy Osmani 两人观点合在一起看，有三个层次：

第一，质量保障的对象从“代码”变成了“系统”。 Boris 列出的那些护栏（lint、测试、fuzzer、自动评审）本质上都是自动化约束，而 Addy 点破：“质量现在存在于你围绕 agent 设置的约束中。”人不再审查产物本身，是设计让 AI 自我纠错的闭环。Anthropic 的做法证明这条路在工业规模上是可行的。

第二，审查资源按风险分配，而非平均分配。 “黑箱 vs 高标准”的分界线不是代码是谁写的，是 blast radius。这其实是对传统“所有代码都该被认真评审”理念的修正——AI 时代反而逼出了更理性的审查经济学。

第三，错误是资产而非麻烦。 Addy 第 4 条与 Boris 的升级阶梯形成互补：出错后第一反应不是人去修，是沉淀为 CLAUDE.md 规则或 Skills；若仍不行，再沿阶梯升级模型、调高 effort、偿还技术债。手动悄悄修复等于丢弃了最有价值的反馈信号。