厂商视角团队自身的使用经验贯穿全文,包括约九成代码由 Claude 编写和审查、验证后能够扩大并行规模。这些说明了作者的实践背景,但没有提供足够材料来区分模型能力、任务选择、内部工具和人工投入各自的贡献。
自己验证先在单任务上确认收益,再评估并行扩展,避免把团队规模描述当成本地效果保证。
数字口径最多提高 10 个点来自结构化文件生成的内部测试,是最佳增益描述;原文没有给出样本规模、基线、具体任务分布、rubric 或波动范围,也没有将其表述为通用代码质量的改善比例。
自己验证为自己的任务固定输入、评分规则和调用配置,分别运行普通提示循环与独立 grader 流程,重复测量任务成功率及成本。保留失败样例,并检查 grader 是否只提高格式合规,而没有改善内容正确性。
可复现性端到端检查的实际价值取决于能否发现目标故障,而非检查名称或是否产生截图。属性测试与差分测试同样依赖属性、输入分布和允许差异的质量。
自己验证在隔离样例中分别植入流程中断、边界输入错误和未获批准的行为变化,确认相应检查稳定失败、修复后稳定通过;同时确认正常样例不会误报。对差分发现逐项判断是新缺陷、允许变化还是旧系统已有问题。
可复现性作者主张优先调好主审查器,并让多轮审查继承历史上下文;这是可检验的流程选择,原文没有提供其与叠加审查器比较的完整实验结果。
自己验证用同一组历史缺陷和稳定改动,对比调优后的单审查器与叠加审查器,并记录真实缺陷命中、误报、严重性判断和成本;分别检查原始发现、核验后发现及最终报告,定位过滤环节是否丢失正确发现。
遗漏门禁检查会话是否出现审查或验证调用,不能单凭这一信号证明检查成功或覆盖充分。文章还允许连续阻断后的放行,并描述了无法定位根因时删除 flaky 测试的做法,却没有量化这些出口造成的验证缺口。
自己验证先在观察模式回放失败运行,检查是否会出现调用过但未通过、验证后内容又变化、绕过后缺少复核等情况。若评估删除不稳定测试,应检查删除理由、失去的覆盖及替代验证证据,并单独统计例外放行结果。
遗漏从基线分支读取规则保护了审查依据,但全文没有展开如何防止代理修改执行环境、替换检查入口或提交与审查对象不一致的产物。推断:规则文件的来源隔离只是可信验证的一部分。
自己验证在隔离环境中尝试修改规则、检查入口和被验收产物,确认验证实际读取了预期基线、执行了预期检查,且结果绑定到最终版本;记录哪些约束由运行环境强制保证,哪些仍依赖代理遵守文字规则。
遗漏正文没有比较 model 或 effort 档位。
自己验证若要调整 effort,应固定验证任务做本地对照,不能从本文直接推导档位选择。