Claude推出多智能体代码审查系统：Anthropic内部同款，接管PR深度抓Bug

Anthropic刚刚为Claude Code引入了一套全新的代码审查系统Code Review

这套系统直接复刻了Anthropic内部使用的审查机制，核心亮点在于：每次提交拉取请求时，系统会直接调度一个多智能体团队，专门负责揪出人类开发者在匆忙浏览时容易遗漏的深层Bug。

该功能目前已面向团队版和企业版用户提供研究预览，主打深度而非速度。

为什么需要AI接管代码审查？

过去一年里，Anthropic内部工程师的代码产出量暴增了200%。随之而来的直接问题是，代码审查成为了开发流程中的严重瓶颈。许多客户也反映了相同的困境：开发者精力被严重透支，大量的拉取请求往往只能得到粗略的浏览，而非深入的阅读。

为了在每一次合并前获得值得信赖的把关，多智能体深度代码审查系统应运而生。相较于现有的开源轻量级GitHub Action方案，新系统的审查更为彻底，当然成本也相对更高。

内部数据验证了这套系统的有效性：在Anthropic全面部署该系统后，获得实质性审查意见的拉取请求比例从16%大幅飙升至54%。系统不会自动批准合并，这部分决策权依然保留给人类，但它填补了审查质量的巨大缺口。

多智能体组团审查机制

当开发者开启一个拉取请求时，系统会自动分发给一个多智能体团队。这些智能体会结合完整的代码库上下文，并行寻找代码缺陷。

为了过滤掉误报，系统内置了验证步骤，检查候选缺陷与实际代码行为是否一致。随后，系统会对去重后的结果按严重程度进行排序，并在拉取请求中留下单一的高信噪比概述摘要，同时在具体代码行旁添加内联意见。

审查时间与代码变动的规模及复杂性成正比，大型变动会分配更多智能体进行深度阅读，简单的修改则快速通过。测试显示，平均每次审查耗时约20分钟。

系统会将发现的问题打上三种严重级别的标签：
🔴 常规级别：合并前必须修复的Bug
🟡 瑕疵级别：轻微问题，值得修复但不阻碍合并
🟣 预存级别：代码库中原本就存在，并非由本次拉取请求引入的潜在Bug

默认情况下，系统专注于正确性审查，专门寻找可能导致生产环境崩溃的逻辑错误、安全漏洞、失效的边缘测试案例以及隐蔽的回归错误，而不是纠结于代码格式。

内部与开源社区的实战表现

这套系统在Anthropic内部已经运行了数月。数据显示，在超过1000行更改的大型拉取请求中，84%会收到审查意见，平均发现7.5个问题；而在50行以下的小型更改中，这一比例降至31%，平均发现0.5个问题。工程师们对AI揪出的Bug高度认可，被标记为不正确的审查结果不到1%。

在一个真实案例中，某生产服务的一行日常代码更改本该快速通过审批，但审查系统将其标记为严重问题。该更改实际上会破坏服务的身份验证，这种失败模式在对比差异时极易被忽略，但被指出后就显得显而易见。

早期客户同样体验到了这种深度。在TrueNAS开源中间件的一次ZFS加密重构中，审查系统在相邻代码中发现了一个预存Bug：一个类型不匹配问题正在导致每次同步时静默擦除加密密钥缓存。这种人类审查员仅扫描变更集时根本不会主动寻找的潜在隐患，被系统精准捕获。

通过配置文件自定义审查规则

除了默认的正确性检查，开发者可以通过在仓库中添加两个特定文件来指导审查系统的工作：

CLAUDE.md文件用于全局项目指令。如果拉取请求的修改导致该文件中的说明过时，系统会提示开发者更新文档。

REVIEW.md文件专用于审查规则。可以将公司或团队的代码风格指南、语言特定约定、必须检查的事项以及需要忽略的路径目录写入该文件。系统会在代码仓库根目录自动发现此文件并执行相关规则。

成本核算与后台管控

审查服务基于Token使用量计费，平均每次花费在15至25美元之间，具体取决于拉取请求的大小和复杂性。

管理员可以在后台决定审查的触发时机。选择仅在拉取请求创建后运行可以控制单次成本；选择在每次推送到分支后运行，则可以随着代码演进而持续捕获新问题并自动清理已解决的讨论线程，但相应成本也会倍增。

为防止预算超支，管理员不仅可以开启针对特定存储库的审查权限，还能设置每月组织总支出上限，并通过分析仪表板实时追踪已审查的拉取请求数量、采纳率以及总成本。

需要注意的是，该服务依赖于GitHub App集成，需授予读取和写入代码内容及拉取请求的权限，且目前不支持启用了零数据保留策略的组织使用。

细节：

https://code.claude.com/docs/en/code-review