新智元报道

388 个 PR，180 个被合并。

写这些代码的全是 AI。

Claude 之父 Boris Cherny 最近在 X 上贴出了这组数字。它们来自他过去几周一直在做的一个「奇怪实验」：让 Claude 接管自家 App 的日常维护。

他说，从一些早期迹象看来，这条路也许真能走通。

实验现场，是一个名叫「proj-claude-maintains-apps」的 Slack 频道。

在这个频道里，Claude Tag 每天跑一组例行任务，覆盖 iOS、Android、桌面端、Web、CLI 和 Agent SDK 六类环境，每条线一个独立 Routine，进展各自发进频道的顶层线程。

它像一个真正的同事一样，不等人派活，到点自己上班，找问题，改代码，提 PR，然后等人来审。

定期发现问题、提交修改、接受审查、再根据反馈调整任务规则，这样一个闭环，在 Anthropic 内部已经转了几周。

工程师需要做的，只剩下一个决定是否合并的按钮。

Claude 每天上班

干的都是脏活

Boris 都给 Claude 安排了哪些活？先看清单。

崩溃巡检。

在模拟器里把 App 打开一通乱点，点到它崩为止，然后定位原因、开修复 PR，每个 PR 还得附上复现步骤和一张真值表。

Boris 还在 Claude 的原始指令里特意写了一句：跑起来的必须是真的 App，不许拿假的替身糊弄过去。

重复抽象合并。扫描代码库里那些长得像、又不完全一样的实现，提 PR 把它们并成一个。

死代码清理。这一条最见功夫：静态能确定跑不到的代码直接删；只是「疑似」跑不到的，先埋一段日志观察一天，确认真没人走过，第二天再删。

抽象泄漏修复。谁把不该露的层次露出来了，它去补。

再往下还有：清掉那些怎么跑都通过的测试、揪出时好时坏的测试到底坏在哪、把全量上线的开关从代码里拿掉、那些做完就被遗忘的内部功能，按使用量决定是发出去还是删掉。

先加个日志观察一天再删，这是老工程师才有的手感。

这张清单从头扫到尾，Claude 接管的十一项活，没有一项是「做个新东西」。

全是平时最不愿意干、干完也不出绩效、拖到下个季度也没人催的那种活。

写代码变便宜了

审代码就变贵了

一个团队几周内多出 388 个 AI 生成的 PR，谁来看？

Anthropic 在今年 3 月的 Code Review 公告里给过一个数字：过去一年，公司人均代码产出增长了 200%，代码审查随之成了瓶颈。

而且，这并非 Anthropic 一家的问题。

工程数据平台 Faros AI 在 2026 年放出一份报告，两年遥测，覆盖 2.2 万名开发者、4000 多个团队。

Faros AI《The Acceleration Whiplash》：高 AI 采用度下，人均 epic 完成量涨 66.2%，每周部署数反而降 11.7%。

产出侧确实涨了：人均完成的 epic 数涨 66.2%，任务吞吐涨 33.7%，PR 合并率涨 16.2%。

但每周真正部署上线的次数，降了 11.7%。

合并得更多，发出去的反而更少。中间的环节，都堵在审查上。

代价，还得开发者来扛。

落在每个开发者身上的 bug 数，涨了 54%；

每个 PR 对应的线上事故涨 242.7%；合并进去又被删掉的代码，比值涨了 861%；PR 的平均体积涨 51.3%；

最要命的是等待。

等一个人来审的中位时长，涨了 441.5%，还有多出 31% 的 PR，一次审查都没经过就合了进去。

这些数字堆下来，就是开发者的一天：按一下按钮，五分钟生成上千行；然后花掉一整个下午，把这上千行一行一行读完。

写代码那部分被 AI 拿走了，但看代码那部分还得开发者来干。

Code Review 就是为这个问题造的，Anthropic 公开过一组效果和成本数字：

上线之前，只有 16% 的 PR 能拿到实质性的审查意见，上了之后这个数字是 54%。

超过 1000 行的大 PR，84% 能被查出问题，平均 7.5 个；50 行以下的小改动，比例降到 31%，平均 0.5 个。

工程师标记为「找错了」的发现不到 1%。

审一个 PR 平均要跑 20 分钟，烧掉 15 到 25 美元的 token。

这份公告里还提到：这套系统不批准 PR，批准是人的事。

它划定的边界是：AI 可以主动找问题、改代码、开 PR，全程不用人批准。但每一处变更都停在 PR 里，合不合进主分支、上不上线，最后一下点确认的必须是人。

Boris 在帖子里写了下一步：想办法降低这类机械性改动的合并成本。

他要降的是合并成本，因为卡点已经不在生成那一头了。

Boris 修的不是 PR

是 Routine

再看这套系统是怎么搭起来的，三个部分分工很清楚。

Claude Tag 是入口。它挂在 Slack 频道里，被 @时响应，也会在权限和指令允许的范围内主动接活。

Anthropic 在 8 月 13 日刚给它做过一次升级，让它结合整个频道的上下文判断什么时候该出手、什么时候该不动。

Routines（例行任务）是执行层。

这是 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，之后按时间表跑、由 API 调用触发，或者响应 GitHub 事件自动启动。

它跑在 Claude Code 的云端设施上，不依赖本地设备。

Claude Code Routines 运行机制：定时、API 调用与 GitHub 事件三种触发方式，跑在云端。

Claude Code Review 是审查层，人类是批准层。

四层串起来，才有了那个每天早上自动开工的频道。

但最值得学的，是 Boris 的调优方式。

某一类 PR 老是不过关，他不去一个一个改那些失败的 PR，而是回头改生成它们的 Routine，然后观察接下来几天的表现。

有时候一类任务要连着调好几天，才稳下来。

一句话：不修结果，修规则。

提示词在这里不再是一次性的输入，而是一套要长期运维的资产：写好、上线、观察、迭代，跟养一个线上服务没区别。

这也是为什么这套东西能越跑越顺。

每一次调整都沉淀进规则里，第二天生成的那批 PR 里，就会少几个不该出现的。

想复刻

先过这几关

工具这一层是公开的。

Routines 对 Pro、Max、Team 和 Enterprise 开放，Pro 每天 5 个，Max 15 个，Team 和 Enterprise 25 个，在 claude.ai/code 里点几下就能建，或者在 CLI 里敲一个 /schedule。

但真正的门槛在别处：

仓库权限敢开到什么程度，测试覆盖兜不兜得住，有没有能跑真机的模拟器环境，审查按次烧钱吃不吃得消，以及最难的：有没有人愿意为一个 AI 提的 PR 按下合并键。

同样是这个月，Rust 项目刚给 AI 贡献立了规矩：AI 生成的代码得事先打招呼、不能碰关键路径、测试要充分、还得如实披露用了大模型；涉及 soundness 的关键改动，强烈不建议交给大模型生成。

最要紧的，是维护者没有义务审查 AI 提交的 PR，可以直接关掉。

个体开发者能从 Boris 这个实验里抄走的，也是这一条规则：先把验收条件最明确的那类活儿交出去。

能验出对错的活，AI 现在接得住：这个操作能不能把 App 点崩、两处写法是不是同一件事、这条测试是不是永远不会挂，都能当场验一遍。

那些说不清怎么算做对的，AI 还接不住：「这个抽象层算不算过度设计」「这次重构方向对不对」，验收标准全凭品味，写不进提示词。

所以它接走的第一批活儿，并非创造，是打扫。

生成侧已经不缺产能了，缺的是审查侧：谁先看、哪些重复、以及最后谁签字。

工程师的身价，也换了一套算法：以前看写得多快，现在看审得多快。