ทีม Claude Code ของ Anthropic อธิบายวิธีที่พวกเขาตรวจสอบโค้ดที่เอเจนต์เขียน
เริ่มตรงนี้
ทีม Claude Code ของ Anthropic ระบุว่าโค้ดราว 90% ถูกเขียนและรีวิวโดย Claude และพวกเขาอาศัยลูปการตรวจสอบเพื่อมอบหมายงานในระดับนั้น ในการทดสอบภายในเกี่ยวกับการสร้างไฟล์แบบมีโครงสร้าง ตัวตรวจให้คะแนนแยกต่างหากที่ตรวจสอบเอาต์พุตของ Claude เทียบกับ rubric ช่วยเพิ่มความสำเร็จของงานได้ถึง 10 คะแนนเมื่อเทียบกับลูปการพรอมป์ต์แบบมาตรฐาน โดยได้ผลตอบแทนสูงสุดกับปัญหาที่ยากที่สุด ทีมกล่าว ทีมนิยมการทดสอบแบบ end-to-end, property และ differential และให้ Claude รันสกิล verify ก่อนคอมมิตการเปลี่ยนแปลง หากการตรวจสอบยังล้มเหลวหลังสามรอบ Claude จะหยุดและเรียกมนุษย์เข้ามา การตรวจสอบอยู่บนแบรนช์ที่การเปลี่ยนแปลงแก้ไขไม่ได้ โหมด observe จะบันทึกสิ่งที่จะถูกบล็อกเพื่อให้สามารถรีวิวผลบวกลวงได้ และหากคอมมิตถูกบล็อกสองครั้งในเซสชัน ครั้งถัดไปจะได้รับอนุญาตให้ผ่านเพื่อไม่ให้ Claude ติดค้าง
สร้างจากรายงาน · อัปเดต 1 ชม. ที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Anthropic · Claude.devคัดสรรทีม Claude Code จัดการการตรวจสอบโค้ดที่เขียนโดยเอเจนต์อย่างไร
ทีม Claude Code กล่าวว่าโค้ดประมาณ 90% ของตนเขียนและรีวิวโดย Claude และต้องอาศัยลูปการตรวจสอบเพื่อมอบหมายงานในระดับนั้น ในการทดสอบภายในเกี่ยวกับการสร้างไฟล์แบบมีโครงสร้าง ตัวให้คะแนนแยกต่างหากที่ตรวจงานของ Claude เทียบกับเกณฑ์ให้คะแนนช่วยเพิ่มความสำเร็จของงานได้ถึง 10 คะแนนเมื่อเทียบกับลูปการพรอมป์ต์มาตรฐาน โดยได้ผลตอบแทนสูงสุดกับปัญหาที่ยากที่สุด ทีมนิยมใช้การทดสอบแบบ end-to-end การทดสอบคุณสมบัติ และการทดสอบเชิงอนุพันธ์ รันสกิลตรวจสอบก่อนคอมมิต ส่งการตรวจให้มนุษย์เมื่อแก้ไขล้มเหลวสามรอบ และเก็บการตรวจไว้บนแบรนช์ที่การเปลี่ยนแปลงไม่สามารถแก้ไขได้
ความร้อนแรงของเหตุการณ์นี้
ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม