Anthropic 披露 Claude 编写了约 90% 的 Claude Code 代码

Anthropic 的 ClaudeDevs 账号称 Claude 编写了约 90% 的 Claude Code 代码。

6 月至 9 月间合并 PR 翻了一倍以上，回退比例下降超过 40%，团队发文介绍了为达到这一效果如何改造代码评审及采用方法，链接见 claude.dev/blog/solving-code-review-at-anthropic/。

Anthropic 的 ClaudeDevs 账号称 Claude 编写了约 90% 的 Claude Code 代码；6 月至 9 月合并 PR 翻了一倍以上，回退比例下降超过 40%，团队同时发文介绍了为达到这一效果而对代码评审做的改造与采用的方法。

• Anthropic 的 ClaudeDevs 账号称 Claude 编写了约 90% 的 Claude Code 代码；6 月至 9 月合并 PR 翻了一倍以上，回退比例下降超过 40%，团队同时发文介绍了为达到这一效果而对代码评审做的改造与采用的方法。
• 原贴提到：Anthropic 的 ClaudeDevs 账号称 Claude 编写了约 90% 的 Claude Code 代码。6 月至 9 月间合并
• 来源：x.com

这是什么信号

Anthropic 的 ClaudeDevs 账号给出了一组自述数据：Claude 编写了约 90% 的 Claude Code 代码；6 月至 9 月之间，合并的 PR 数量翻了一倍以上，回退比例下降超过 40%。团队还专门发文，讲的是为了让这套方式跑通，他们对代码评审流程做了什么改造、采用了哪些方法。

这不是一条普通的模型能力公告，而是一条“自家核心产品由自家模型写”的工程实践披露：它把讨论从“模型能不能写代码”推进到“评审、合并、回退这些工程环节要怎么改，才能把模型产出的代码真正接进主干”。

为什么重要

真正的瓶颈往往不在生成端，而在验收端。让 AI 写代码很容易，难的是写出来的东西敢不敢合、合了之后回退率会不会失控。这组数据里最有信息量的其实不是 90%，而是“合并 PR 翻倍、回退比例下降超过 40%”这个组合——产出规模上去了，返工却下来了，说明改动的是流程而不只是模型。

再者，这种体量的自用案例本身就是最强的产品证据。一家 AI 公司把自己的旗舰开发工具交给自己的模型来写，并且敢公开评审改造经验，等于把“AI 编程是否已进入生产可用”这个问题用自身实践回答了一遍。

对谁有价值

• 研发负责人与技术管理者：需要判断 AI 编程在团队里能推到什么程度、该配套什么流程。
• 平台与效能团队：代码评审、CI、回退监控是落地的关键抓手。
• 正在做 AI 编程工具或 Agent 的团队：这是一份来自一线的大规模自用样本。
• 一线工程师：可以看到“把评审流程改造成适合 AI 产出”的真实方向。

可以怎么行动

• 先看那篇评审改造的文章，把其中可迁移的机制（评审标准、粒度、自动化检查的介入点）挑出来对照自己团队。
• 在自己团队里建立两个对照指标：单位时间合并的 PR 数和回退比例。只看产出会失真，必须同时盯返工。
• 把“谁写的”从评审关注点里逐步剥离，转向“这段代码是否可验证、是否有测试覆盖、出问题能否快速回退”。
• 挑一个边界清晰、测试覆盖较好的模块做试点，先跑通评审改造，再谈扩大范围。

风险与限制

“约 90%”和“回退比例下降超过 40%”都是团队自述口径，目前没有第三方验证，回退比例的具体定义、统计口径也没有在公开信息里说明。不同团队的代码库规模、测试覆盖率、发布节奏差异极大，这套经验不可直接照搬。另外，合并 PR 翻倍本身也可能伴随代码复杂度、审查疲劳和隐性技术债的上升，短期指标改善不等于长期健康。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 x.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Anthropic 披露 Claude 编写了约 90% 的 Claude Code 代码》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• @adocomplete 原帖