2026年11月16日,Anthropic旗下Claude Code团队在官方开发者博客公开了内部验证方法:团队约九成代码由Claude编写、再由Claude评审,质量不靠人工逐行盯,而是靠验证闭环兜底。有了这套办法,一个人可以同时跑几十个甚至上百个Claude,不必每处改动都亲自检查。
最值得投的三类测试
文章认为,端到端测试最值得投入:它按真实用户流程跑,整个功能通了才算过,骗不过去,还能准确指出哪一步坏了。属性测试专找人想不到的边界情况,用测试库生成成千上万个输入,验证“编码再解码必须还原”“账户余额不能为负”这类不变量。差异测试适合大规模迁移:新旧系统跑同一批输入,结果不同就说明有回归。内部测试显示,让独立评分器按标准复核,结构化文件生成任务的成功率最多提高10个百分点,难题上提升最大。
团队内部怎么守住底线
Claude Code团队的做法是:验证等于真正把改动跑起来,团队为每个仓库写了verify技能,让Claude在提交前先做冒烟测试;测试失败三轮还不过就转人工;代码负责人自己写检查规则,39项可靠性清单按代码差异触发;审查规则必须放在改动动不了的分支上;提交时打上验证标记,连“未验证”也要标出来,方便事后追查。
这套方法来自Anthropic自家代码库,对用AI写代码的团队有直接参考价值,但照搬前要按自家项目调整:测试跑得慢、经常误报,智能体会被训练成反复重跑而不是修代码;验证层本身也要定期清理,否则规则越攒越多。博客没有披露Claude Code的具体版本信息,方法重在流程,不在工具。