388 个 PR，180 个被合并，代码全是 AI 写的。Claude 之父 Boris Cherny 在 X 上公布了 Anthropic 内部跑了数周的实验：一个叫 proj-claude-maintains-apps 的 Slack 频道里，Claude 每天自动上班——找问题、改代码、提 PR，然后等人来审。工程师剩下的工作，只有一个合并按钮。
这不是演示，而是一个结构信号：软件工程的瓶颈已经从「写代码」转移到「审代码」。背后的数据比口号更有说服力。
Claude 接手的 11 项杂活：没有一项是「做新东西」
Cherny 给 Claude 配了覆盖 iOS、Android、桌面、Web、CLI 和 Agent SDK 六类环境的例行任务，共 11 项，全部是开发中最不愿意干、干了也不出绩效的脏活：
- 崩溃巡检。在模拟器里打开真 App 一通乱点，点到崩为止，然后定位原因、开修复 PR，附复现步骤和真值表。原始指令里特意写了：必须跑真的 App，不许拿替身糊弄。
- 重复抽象合并。扫出代码库里长得像又不完全一样的实现，合并成一个。
- 死代码清理。静态能证明跑不到的立即删；只是疑似跑不到的，先埋日志观察一天，确认真没人走，第二天再删。
- 修抽象泄漏、删永远通过的测试、定位时好时坏的测试、移除全量上线开关、按使用量决定废弃功能的去留。
「先加日志观察一天再删」——这是老工程师才有的手感。Claude 被用 token 付工资，干着没人愿意干、干完也不涨绩效的活。
瓶颈反转：生成变便宜了，审查变贵了
Anthropic 今年 3 月发布 Code Review 时给出第一个数字：人均代码产出一年涨了 200%，代码审查随之成为瓶颈。
独立的证据更硬。Faros AI 的 2026 年报告《The Acceleration Whiplash》基于 2.2 万名开发者、4000 多个团队两年遥测，高 AI 采用度下：
- 人均 epic 完成量 +66.2%，任务吞吐 +33.7%，PR 合并率 +16.2%。
- 但每周部署数 −11.7%；人均 bug 数 +54%，每个 PR 对应线上事故 +242.7%。
- 合并后又被删掉的代码 +861%；PR 平均体积 +51.3%。
- 等一个人来审的中位时长 +441.5%，还有多 31% 的 PR 一次审查都没经过就合了进去。
合并得更多，发出去的反而更少——全都堵在审查环节。开发者的日常变成：按一下按钮五分钟生成上千行，然后花一整个下午逐行读完。AI 拿走了写代码，人留下了读代码。
Anthropic Code Review 的数字解释了原因：上线前只有 16% 的 PR 能拿到实质性审查意见，上线后是 54%；超过 1000 行的大 PR 84% 能查出问题（平均 7.5 个），50 行以下的小改动平均只有 0.5 个。审一个 PR 约 20 分钟、烧 15–25 美元 token。系统从不批准任何 PR——批准是人的事。边界划得很清楚：AI 可以主动找问题、改代码、提 PR，全程无需批准；但合并和上线，最后一下必须是人的手。
系统怎么搭的：不修结果，修规则
四层结构：Claude Tag 是入口，挂在 Slack 频道里（8 月 13 日刚升级，会结合整个频道上下文判断何时出手）；Routines 是执行层——4 月 14 日推出的功能，一次性配好提示词、代码仓库和连接器，按时间表、API 调用或 GitHub 事件触发，跑在 Claude Code 云端设施上；Claude Code Review 是审查层；人类是批准层。
最值得抄走的是 Cherny 的调优方式：某类 PR 老是不过关，他不去一个个改失败的 PR，而是回头改生成它们的 Routine，再观察接下来几天的表现。提示词不再是一次性输入，而是要长期运维的资产：写好、上线、观察、迭代，跟养一个线上服务没区别。每次调整都沉淀进规则里，第二天生成的 PR 就少几个不该出现的错误。
产业含义
- 审查经济正在形成。生成接近免费，稀缺的是又快又准的读代码能力。Anthropic 已把 Code Review 定价为产品；审查工具、审查即服务、「合并管家」类角色会越来越多。
- 规则在追赶。Rust 项目 8 月初立了 LLM 政策：AI 生成的贡献必须事先披露、不碰关键路径、测试要充分，且维护者没有义务审查 AI 提交的 PR——可以直接关掉。「可以关掉」成为新的治理底线。
- 工程师的身价换算法。从「写得多快」转向「审得多快、审得多准」。能在 388 个 PR 里快速分流而不 burnout 的人，会吃下这轮红利。
这条线也接上了我们前两天聊的：CLAUDE.md 为什么只长不短、多 Agent 打地盘战。Agent 的产出已经不是约束，治理才是。
现在就能做的四件事
- 先把验收标准明确的活交出去。崩溃复现、重复检测、死代码——这些能当场验对错的活，AI 已经接得住；「这个抽象层算不算过度设计」这种凭品味的判断，AI 还接不住。
- 先补测试，再上 Agent。审查瓶颈本质是测试覆盖不足。测试越稳，信任 AI 的 PR 就越便宜。
- 把提示词当生产资产运维。版本化、观察、迭代。修规则，别修结果。
- 重审自己的审查流程。如果 PR 队列长得比部署快，解法不是更多生成，而是更快更便宜的审查。
