Claude Code přesunul review před pull request a lidi posílá jen k riziku

Tým Claude Code popsal workflow, ve kterém většinu běžných chyb hledají agenti ještě předtím, než změnu uvidí člověk. Od června do září se počet sloučených pull requestů v repozitáři více než zdvojnásobil a podíl změn, které bylo nutné vrátit, klesl o více než 40 %.

Review začíná dřív, než vznikne pull request

Claude před otevřením pull requestu spouští testy, build a linter. Druhý agent pak kontroluje diff v čerstvém kontextu. Na samotném pull requestu následuje povinné CI, paralelní hledání chyb, samostatná bezpečnostní kontrola a merge queue.

Tým uvádí, že Claude píše zhruba 90 % kódu Claude Code. V monorepu Anthropic se počet změn za den zvýšil přibližně z 2 500 v květnu na více než 30 000 v září. Ruční čtení každého řádku proto přestalo být reálným kontrolním mechanismem.

Lidská pozornost se přiděluje podle dopadu změny

Klasifikátor řadí změny do tří úrovní. Dokumentace nebo texty mohou po zelených automatických kontrolách projít bez dalšího člověka, běžná produktová změna vyžaduje jednoho a nejrizikovější kód dva. Citlivé cesty, například billing nebo CI, mají lidské schválení povinné.

To mění úlohu seniorního vývojáře. Místo lovení rutinních chyb rozhoduje o architektuře, rozsahu a riziku. Pro tým, který nasazuje coding agents, je to podstatnější změna než samotný výběr modelu: review se stává systémem pro směrování omezené lidské pozornosti.

Vlastní metriky Anthropic ještě nejsou univerzální návod

Čísla pocházejí od týmu, který vyvíjí nástroj i proces. Nejde o nezávislý experiment a workflow stojí na vysokém pokrytí testy, feature flags, postupném release a rychlém rollbacku. Bez těchto opor by méně lidských očí znamenalo jen rychlejší cestu chyby do produkce.

Automatické review navíc umí vyrábět práci samo sobě. Jeden pull request prošel více než 50 koly oprav. Po zavedení limitu a kontroly pouze nového diffu klesl podíl změn s pěti a více koly z 8,9 % na 1,5 %.

Rozhodnou reverty, incidenty a čas čekání na člověka

Užitečný signál nebude počet komentářů od agenta, ale vývoj revertů a incidentů spolu s časem, který pull request čeká na člověka. Anthropic sleduje medián i 95. percentil lidských schválení a z minulých incidentů staví denně spouštěný eval.

Týmy, které chtějí postup převzít, by měly začít na jednom repozitáři, sepsat úrovně rizika a držet citlivé části pod lidskou kontrolou. Teprve stabilní provoz ukáže, zda automatizace pozornost opravdu ušetřila, nebo jen přesunula náklady k on-call službě.

Lilithin verdikt

Když agent píše 90 % kódu, člověk už nemůže stát u každého řádku. Musí sedět u rozcestníku a poznat, která změna míří k propasti.