Claude Code przeniósł review przed pull request i kieruje ludzi tylko do ryzyka

Zespół Claude Code opisał workflow, w którym agenci wyłapują większość rutynowych błędów, zanim zmianę zobaczy człowiek. Od czerwca do września liczba scalonych pull requestów w repozytorium wzrosła ponad dwukrotnie, a odsetek zmian wymagających wycofania spadł o ponad 40 %.

Review zaczyna się przed utworzeniem pull requestu

Przed otwarciem pull requestu Claude uruchamia testy, build i linter. Drugi agent sprawdza diff w świeżym kontekście. Później dochodzą obowiązkowe CI, równoległe szukanie błędów, osobna kontrola bezpieczeństwa i merge queue.

Zespół twierdzi, że Claude pisze około 90 % kodu Claude Code. W monorepo Anthropic liczba zmian dziennie wzrosła z około 2 500 w maju do ponad 30 000 we wrześniu. Ręczne czytanie każdej linii przestało więc być realnym mechanizmem kontroli.

Uwaga ludzi trafia tam, gdzie zmiana może wyrządzić szkody

Klasyfikator przypisuje zmianie jeden z trzech poziomów. Dokumentacja i teksty mogą przejść bez dodatkowej osoby po zaliczeniu automatycznych kontroli, zwykła zmiana produktowa wymaga jednej osoby, a kod najwyższego ryzyka dwóch. Wrażliwe obszary, takie jak billing i CI, zawsze wymagają ludzkiej zgody.

Zmienia się przez to praca senior developera. Zamiast tropić rutynowe usterki, człowiek rozstrzyga kwestie architektury, zakresu i ryzyka. Dla zespołu wdrażającego coding agents jest to ważniejsze od wyboru modelu: review staje się systemem kierowania ograniczoną uwagą ludzi.

Własne metryki Anthropic nie tworzą jeszcze uniwersalnej recepty

Dane pochodzą od zespołu, który buduje zarówno narzędzie, jak i proces. To nie jest niezależny eksperyment, a workflow opiera się na dobrym pokryciu testami, feature flags, stopniowym release i szybkim rollbacku. Bez tych zabezpieczeń mniej ludzkich oczu oznaczałoby jedynie szybszą drogę błędu na produkcję.

Automatyczne review potrafi też samo produkować pracę. Jeden pull request przeszedł ponad 50 rund poprawek. Po wprowadzeniu limitu i ponownej kontroli tylko nowego diffu udział zmian wymagających co najmniej pięciu rund spadł z 8,9 % do 1,5 %.

O wyniku przesądzą reverty, incydenty i czas oczekiwania na człowieka

Ważnym sygnałem nie będzie liczba komentarzy agenta, lecz trend revertów i incydentów oraz czas oczekiwania pull requestu na człowieka. Anthropic śledzi medianę i 95. percentyl ludzkich zatwierdzeń, a dawne incydenty zamienia w codzienny eval.

Zespoły powinny zacząć od jednego repozytorium, opisać poziomy ryzyka i pozostawić wrażliwe obszary pod kontrolą ludzi. Dopiero stabilne dane z produkcji pokażą, czy automatyzacja oszczędziła uwagę, czy przerzuciła rachunek na dyżurnego inżyniera.

Werdykt Lilith

Gdy agent pisze 90 % kodu, człowiek nie może stać nad każdą linią. Musi pilnować rozjazdu i rozpoznać zmianę jadącą prosto na urwisko.