Когда Claude пишет собственные инструменты, проверка заходит в тупик
В октябре 2026 года Anthropic опубликовала поразительный отчет: Claude, их флагманский ИИ, пишет около 90% кода для Claude Code, собственного инструмента для программирования. Это ставит фундаментальный вопрос перед разработкой ПО: как команде проверять программное обеспечение, если сам инструмент является основным автором? Традиционная парадигма построчной проверки человеком заходит в тупик.
Масштаб этой проблемы ошеломляет. Anthropic сообщила, что к сентябрю их монорепозиторий принимал более 30 000 изменений ежедневно, что является огромным скачком по сравнению с примерно 2 500 в мае. Это означает более 20 изменений в минуту — темп, за которым человеческая проверка просто не успевает.
Этот сдвиг потребовал переоценки метрик качества. С июня по сентябрь количество pull requests в Claude Code увеличилось более чем вдвое. За тот же период доля изменений, потребовавших отката, снизилась более чем на 40%. Система достигла более высокой пропускной способности при меньшем количестве откатов, что знаменует новую эру в обеспечении качества кода.
Ответ — сборочная линия проверки, а не один супер-рецензент
Ответом Anthropic на код, созданный агентами, стала многоуровневая сборочная линия, а не один супер-рецензент. Изменения проходят через несколько автоматизированных проверок: сначала агенты проверяют работу, запуская тесты или инспектируя результаты; затем параллельные ИИ-рецензенты ищут ошибки, и результаты публикуются только в том случае, если достаточное количество агентов пришло к согласию. Каждая находка требует исправления или обоснованного закрытия.
Далее автоматизированная проверка безопасности и традиционные CI-проверки (например, сборка) блокируют небезопасные изменения. Наконец, одобрение человеком масштабируется в зависимости от риска: исправления документации от доверенных авторов не требуют одобрения коллег, обычные продуктовые изменения требуют одного человека, а высокорискованный код требует двоих.
Этой системой управляют два правила ответственности: одобрение агента никогда не заменяет одобрение человека, а человек, который дает задание агенту, несет ответственность за изменение. Это предотвращает бесконечные циклы проверки агентами; после трех раундов рецензент просит автора переосмыслить свой подход. Только это изменение повысило количество успешных PR с первого раунда с 65% до 78%. Каждый прошлый инцидент также становится тестовым примером, постоянно улучшая ИИ-рецензента.
Больше проверок может означать меньше «узких мест» для людей
Надежные системы процветают благодаря многоуровневым, повторяемым проверкам, а не инспекции каждой транзакции человеком. Вспомните коды коррекции ошибок в памяти, контрольные суммы TCP в интернет-пакетах или двойную бухгалтерскую запись. Эти механизмы автоматически обнаруживают ошибки, предотвращая возникновение «узких мест» для людей и обеспечивая целостность в масштабе.
Роли инженеров кардинально меняются. Старшие разработчики переходят на более ранние этапы, определяя масштаб проекта и архитектурные паттерны. На последующих этапах они проектируют важнейшие тесты, ограничения и средства контроля рисков, которые направляют агентные системы. Человеческое внимание становится дефицитным ресурсом, направляемым на стратегические решения, которые машины пока не могут принимать, например, стоит ли вообще что-то создавать или выявление высокорискованного кода, требующего контроля со стороны человека.
Октябрьская публикация Anthropic 2026 года о проверке кода Claude Code дает представление об этом будущем, подробно описывая, как их multi-layered pipeline позволяет выполнять более 30 000 слияний в день. Для дальнейшего изучения обратитесь к How the Claude Code Team Does Code Review. Предостережение: Anthropic сама оценивает свою работу. Приведенные показатели производительности — удвоение количества объединенных pull requests и снижение частоты откатов на 40% в период с июня по сентябрь 2026 года — не были подтверждены независимыми экспертами. Компания также тратит значительные ресурсы на использование моделей и специализированную инфраструктуру, такую как система контроля версий Scion, что может быть недоступно для других.
Нравится статья? Получайте такие каждое утро на почту.
одно письмо в день · отписка в два клика · без сторонних трекеров
Создайте аварийный выход, прежде чем открывать пожарный гидрант
Многоуровневый конвейер Anthropic предлагает практический порог: командам не следует сокращать объем ручной проверки до тех пор, пока они не смогут тестировать изменения, развертывать релизы, использовать feature flags и быстро выполнять откаты. Это отражает то, как всегда работали надежные системы, где многоуровневые проверки выявляют ошибки до их распространения.
Командам следует превратить прошлые инциденты в повторяющиеся тесты для своих AI-рецензентов. Повторяющиеся комментарии при ручной проверке — те типичные замечания, которые отнимают ценное внимание, — должны стать постоянными правилами, автоматизированными тестами или новыми инструментами. Это гарантирует, что машины учатся на человеческом опыте, а не просто перенимают его.
Организационные последствия весьма значительны. Лидеров следует оценивать по их span of accountability, обеспечивая ясность ответственности даже по мере расширения автоматизации. Решения должны соответствовать надлежащему уровню человеческого контроля, позволяя машинам координировать рутинные задачи, не исключая при этом человеческое суждение или ответственность.
В конечном счете, цель состоит не в том, чтобы исключить людей, а в том, чтобы повысить их роль. Люди переходят от построчной проверки к принятию стратегических решений: что создавать, какой код слишком рискован для машин, какие проекты задают шаблоны и подтверждаются ли доказательства. Человек остается ответственным за каждое внесенное изменение, независимо от того, кто его набрал.
Часто задаваемые вопросы
Как Anthropic проверяет код, написанный Claude?
Anthropic сочетает проверку, выполняемую агентами, AI-анализ ошибок, проверки безопасности, автоматизированные тесты, основанные на рисках одобрения людьми и механизмы защиты от откатов.
Позволяет ли Anthropic AI одобрять свой собственный код?
Нет. Установленное правило Anthropic гласит, что одобрение агентом не считается одобрением человеком, и за каждое изменение по-прежнему отвечает конкретный сотрудник.
Почему инженеры не могут проверять каждое изменение, созданное AI?
При очень больших объемах изменений построчная проверка потребляет больше человеческого внимания, чем есть у команд. Автоматизированные проверки справляются с рутинными рисками, в то время как люди фокусируются на важных решениях.
Стоит ли каждой компании копировать процесс проверки Anthropic?
Не без соответствующих мер предосторожности. Командам нужны надежные тесты, поэтапные релизы, feature flags и быстрый откат, прежде чем сокращать ручную проверку.