Anthropic, kodun çoğunu yazan yapay zekâ olduğunda Claude Code ekibinin kodu nasıl incelediğini anlattı

Anthropic, kod tabanının yaklaşık yüzde 90'ının bizzat Claude tarafından yazıldığı Claude Code ekibinin değişiklikleri nasıl incelediğine dair ayrıntılı bir yazı yayımladı. Ekibin kendi blogunda yer alan yazı, katmanlı bir pipeline'ı anlatıyor: otomatik inceleyiciler okumanın çoğunu yapıyor, insan ilgisi riske göre dağıtılıyor ve kötü bir değişikliği geri almak birinci sınıf bir yetenek olarak ele alınıyor.

Ekibin paylaştığı rakamlar çarpıcı. Haziran ve Eylül arasında Claude Code depolarına birleştirilen pull request'ler iki kattan fazla artarken, geri alınmak zorunda kalanların oranı yüzde 40'tan fazla düştü. Baskı daha geniş bir alanda hissediliyor: Anthropic'ın monorepo'sunda günde kabul edilen değişiklik sayısı Mayıs'ta yaklaşık 2.500 iken Eylül'de 30.000'in üzerine çıktı. Claude Code ayrı bir depoda yaşıyor, ancak bu hacimde ekibe göre insanlar tarafından satır satır manuel inceleme artık pratik değil.

Kapı değil sürekli bir süreç olarak inceleme

Ekip­in temel argümanı, bir insanın kodu okuyup okumadığını sormanın yanlış soru olduğui. Yazıya göre doğru soru şudur: bir değişiklikte ne ters gidebilir ve bunu yakalamaya hangi kontrol — insan mı, otomatik mi — daha uygun. Uygulamada inceleme, son bir kontrol noktasından geliştirme boyunca sürekli çalışan bir arka plan sürecine dönüştü. Değişikliklerin çoğu, herhangi bir insana gösterilmeden önce Claude tarafından en az bir kez incelenip onarılmış oluyor; rutin hatalar ayıklanıyor ve insan ilgisi daha üst düzey yargılamaya bırakılıyor.

Açıklanan hedef, Claude Code depolarındaki — CLI, masaüstü ve web uygulamaları ile mobil uygulamalar — pull request'lerin çoğunun, döngüde en fazla bir insanla (bu kişi yalnızca yazar da olabilir) birleşmesi ve geri alma ya da olay (incident) oranlarının artmaması. Ekip; pull request başına medyan ve 95. yüzdelik insan onayı, insan yorum sayıları ve bir PR'nin ne kadar süre birini beklediği gibi ölçümleri takip ediyor; geri alma ve olay oranları ise güvence ölçütü olarak kullanılıyor. Ekip, bu oranlar yükselirse insan zamanının tasarruf edilmediğini, yalnızca yer değiştirdiğini belirtiyor.

Tek bir kontrol noktası yerine katmanlar

Yazı, tipik bir değişikliğin geçtiği katmanları sıralıyor:

• Pull request öncesi doğrulama. Claude'a çalıştırılabilir bir şey verilir — bir test, bir build, tasarımla karşılaştırılacak bir ekran görüntüsü — ve tamamlanmayı iddia etmek yerine çıktıyı göstermek zorundadır. Bir subagent, diff'i temiz bir bağlamla inceler; dahili skill'ler hata avlar, diff'i sadeleştirir ve davranışı uçtan uca kontrol eder. Claude Code'un yaratıcısı Boris Cherny, modele kendi işini doğrulama yolu vermenin sonucu iki ila üç kat iyileştirdiğini tahmin ediyor.

• Her pull request'te AI incelemesi. Her PR, diff'i tüm depo ve değişikliğin belirtilen niyetiyle karşılaştıran bir Claude incelemesi alıyor. Research preview yayımlandığında, dahili PR'lerden içerikli inceleme yorumu alma oranı yüzde 16'dan yüzde 54'e çıktı. 1.000 satırı aşan PR'lerin çoğu bulgu üretiyor; küçükler genellikle temiz dönüyor. Yöneticiler her depoya Quick, Standard veya Deep inceleme yoğunluğu atıyor.

• Başka agent'lar tarafından elenmiş bulgular. Birden fazla hata avlayan agent paralel çalışır ve ayrı bir grup her bulgu üzerinde oy verir; bulgu, yeterince sayıda agent gerçek olduğunda hemfikir olursa yayımlanır. Stilistik bulgular elenir — ekip bu filtreyi kendi PR'lerinde yaptığı A/B testleriyle doğrulamış. Geriye kalanlar, önceden var olan sorunların yazara yüklenmemesi için etiketlenmiş satır içi yorumlar olarak görünür. Her bulgu düzeltilmek ya da yazılı bir gerekçeyle kapatılmak zorundadır ve bir agent sık sık düzeltmeleri gece boyunca uygular.

• Birleştirmeyi engelleyen güvenlik incelemesi. Açık bir hata veya güvenlik bulgusu varken pull request birleştirilemez; bulgular, sonraki bir commit bunları giderdiğinde otomatik olarak kapanır. Herkese açık karşılıklar arasında açık kaynak bir güvenlik incelemesi GitHub Action'ı ve /security-review komutu bulunuyor; Code Review for Claude Code ise Team ve Enterprise planlarda genel olarak kullanılabilir durumda, daha hafif bir yerel /code-review komutuyla birlikte.

• Geleneksel CI. Lint, tip kontrolleri, çapraz platform testleri ve build'ler bir insan bakmadan önce çalışır. PR şablonu değişikliğin nasıl test edildiğini ve nasıl geri alınacağını sorar; Claude yanıtları taslaklayabilir, ancak değişikliği talep eden kişi onaylar.

• Riske dayalı insan onayı. Dokümantasyon düzeltmeleri ile otomatik güncelleyici değişiklikleri çok farklı risk taşır ve farklı muamele görür: dokümanlar, metin düzeltmeleri, yalnızca dahili özellikler ve bir flag arkasındaki eklemeli değişiklikler gibi düşük riskli değişiklikler, otomatik kontroller geçildiğinde insan onayı gerektirmez.

Neden önemli

Yazı, incelemenin geleneksel olarak ikinci bir işi — ekip genelinde ortak anlayış inşa etme — üstlendiğini kabul ediyor, ancak kusur tespitine odaklanıyor.

AI kodlama araçlarını benimseyen ekiplerin çoğu Anthropic'ın tarif ettiği duvara çarpıyor: üretim hızı, insan inceleme kapasitesini geride bıraktı. Bu anlatıyı değerli kılan, aktarılabilir fikirlerin ne kadar somut olması — çalıştırılabilir kanıtla doğrulama, makine bulgularını makine oylamasıyla filtreleme, insan ilgisini riske göre fiyatlandırma ve incelemenin her şeyi yakaladığı varsayımı yerine geri almayı hızlandırma. Erken ölçümler — birleşen PR'ların iki katına çıkması ve geri almaların yüzde 40 düşmesi — yaklaşımın, en azından aracın kendisinin geliştirildiği ortamda, çok daha yüksek verimde kaliteyi koruyabileceğini gösteriyor.