Anthropic مرور کد برای کلود کد را به طور کلی در دسترس قرار داده است و سیستم بررسی درخواست کشش چند عامله را از پیش نمایش تحقیقاتی که در مارس 2026 وارد کرده بود خارج کرده است. نسخه عمومی در دسترس با بررسی های سریع تر، یافته های مختصرتر و - طبق گزارش The Next Web - 50,000 دلار اعتبار ضمیمه شده برای سازمان ها ارائه می شود.

این سیستم که برای اولین بار به عنوان یک پیش نمایش تحقیقاتی در 9 مارس 2026 برای طرح های تیم و سازمانی معرفی شد، تیمی از عوامل هوش مصنوعی را برای بررسی هر درخواست کششی اعزام می کند. آنتروپیک در آن زمان گفت که خروجی کد خود به ازای هر مهندس نسبت به سال قبل 200 درصد رشد داشته است و بررسی کد را به یک گلوگاه تبدیل کرده است: قبل از استقرار Code Review در داخل، تنها 16 درصد از درخواست‌های کشش شرکت نظرات بازبینی اساسی را دریافت کردند. پس از استقرار، این رقم به 54 درصد افزایش یافت. For more context on this story, see our ongoing AI industry coverage.

خط لوله بررسی چند عامل چگونه کار می کند

بر اساس مستندات Anthropic's Code Review، هر بررسی در چهار مرحله بر روی زیرساخت Anthropic اجرا می شود. ابتدا چندین عامل تفاوت و کدهای اطراف را به صورت موازی بررسی می کنند تا مشکلات احتمالی را پیدا کنند. دوم، یک مرحله راستی‌آزمایی، یافته‌های هر داوطلب را در برابر کد واقعی بررسی می‌کند و موارد مثبت کاذب را فیلتر می‌کند. ثالثاً، یافته‌های باقی‌مانده حذف شده و بر اساس شدت رتبه‌بندی می‌شوند. در نهایت، نتایج به درخواست کشش ارسال می شود.

هر بررسی نظرات درون خطی را در مورد خطوط خاص مربوطه، یک خلاصه و یک بررسی با نام «Claude Code Review» که یافته‌ها را فهرست می‌کند، ارائه می‌کند. قابل‌توجه، اجرای چک هرگز به‌عنوان یک شکست به پایان نمی‌رسد، و بازبینی هرگز یک درخواست کشش را تأیید یا مسدود نمی‌کند - تصمیم ادغام با تیم انسانی باقی می‌ماند. هنگامی که یک بررسی چیزی ارزش پرچم‌گذاری پیدا نمی‌کند، چک اجرا گزارش می‌دهد که هیچ مشکلی پیدا نشده است.

به‌طور پیش‌فرض، Code Review بر صحت تمرکز می‌کند: اشکالاتی که تولید را خراب می‌کنند، به جای قالب‌بندی تنظیمات یا از دست دادن پوشش آزمایشی. مخازن می‌توانند با استفاده از فایل‌های راهنمای REVIEW.md و CLAUDE.md، آنچه را که پرچم‌گذاری می‌شود تنظیم کنند، و مستندات Anthropic بیان می‌کند که REVIEW.md از پایه یا شاخه پیش‌فرض خوانده می‌شود – هرگز از تغییرات خود درخواست کشش، یک انتخاب طراحی که مانع از بازنویسی معیارهای بازبینی درخواستی می‌شود.

بررسی‌های سریع‌تر و یافته‌های آرام‌تر

Anthropic گفت که از دوره پیش‌نمایش تحقیق برای سریع‌تر کردن بررسی‌ها، بهتر در یافتن اشکالات مهم و تنظیم آسان‌تر هر مخزن استفاده کرده است. به گفته این شرکت، اکثر بررسی‌ها اکنون تقریباً سه برابر سریع‌تر از زمان پیش‌نمایش به پایان می‌رسند و زمان مرور معمولی از حدود 20 دقیقه به 6 تا 10 دقیقه تغییر می‌کند.

خود یافته ها نیز دوباره قالب بندی شده اند. آنتروپیک گفت که یافته‌ها اکنون مشکل، عواملی که باعث ایجاد آن می‌شود و راه‌حل آن را در چند جمله بیان می‌کنند. مدیران می توانند به هر مخزن یک سطح بررسی سریع، استاندارد یا عمیق اختصاص دهند که سطوح دقیق تر هزینه بیشتری دارند. Anthropic اشاره کرد که کاربران پیش‌نمایش نظراتی را می‌خواهند که «سام‌تر» و اندازه هر تغییر باشد – بازخوردی که انتشار عمومی در دسترس را شکل می‌دهد.

آنچه که اعداد داخلی آنتروپیک نشان می دهد

این شرکت آماری را از اجرای Code Review در مورد تقریباً هر درخواست داخلی منتشر کرده است. در مورد درخواست‌های کشش داخلی با بیش از 1000 خط تغییر، آنتروپیک گفت 84 درصد یافته‌ها را دریافت کرده‌اند که هر کدام به طور میانگین 7.5 مورد بوده است. درخواست‌های کششی زیر 50 خط به 31 درصد کاهش یافته است که یافته‌ها را دریافت می‌کنند، به طور متوسط ​​0.5 مشکل - نشانه‌ای که سیستم بررسی دقیق خود را با اندازه تغییر مقیاس می‌دهد. مهندسان کمتر از 1 درصد یافته ها را نادرست علامت گذاری کردند.

آنتروپیک همچنین به یک نکته مشخص در استفاده از دسترسی اولیه اشاره کرد: یک اشکال پنهان عدم تطابق نوع در میان افزار منبع باز TrueNAS که به طور بی صدا حافظه پنهان کلید رمزگذاری ZFS را در هر همگام سازی پاک می کرد، یک مشکل از قبل موجود در کد مجاور که یک درخواست کشش آن را لمس کرده بود.

چگونه تیم ها آن را روشن می کنند

برای فعال کردن مرور کد، یک مدیر آن را در تنظیمات Claude Code روشن می کند، برنامه Claude GitHub را نصب می کند و مخازن را انتخاب می کند. پس از فعال شدن، بررسی‌ها به‌طور خودکار در درخواست‌های کششی جدید بدون نیاز به پیکربندی از سوی توسعه‌دهندگان منفرد اجرا می‌شوند. تیم‌ها می‌توانند انتخاب کنند که آیا یک مخزن وقتی یک درخواست کشش باز می‌شود، بررسی‌ها را یکبار اجرا کند، پس از هر فشار، یا فقط در صورت درخواست، و هرکسی که دسترسی به نوشتن داشته باشد می‌تواند با نظر دادن @claude review، بازبینی‌ها را اجرا کند. پیش نویس ها و چنگال ها از بررسی های خودکار مستثنی هستند.

بررسی‌ها در یک محیط مدیریت‌شده با دسترسی به مخزن فقط خواندنی اجرا می‌شوند، از کدهای متفاوت و اطراف بدون ایجاد یا اجرای آن کار می‌کنند، و در محیط‌های خود میزبان اجرا نمی‌شوند. Code Review مدل‌های کلود را انتخاب می‌کند که هر بررسی روی کدام مدل اجرا شود — تنظیمات سرپرست هیچ انتخاب مدلی ارائه نمی‌دهد.

الزامات و محدودیت ها

این سرویس به یک طرح Team یا Enterprise و مخازن میزبانی شده در GitHub، از جمله GitHub Enterprise Server و GitHub Enterprise Cloud با اقامت داده نیاز دارد. برای سازمان‌هایی که ذخیره داده‌های صفر فعال است یا پیکربندی HIPAA اعمال شده است، در دسترس نیست، تحت «توافقنامه همکاری تجاری Anthropic» پوشش داده نمی‌شود و هنوز برای سازمان‌هایی که از کلیدهای رمزگذاری مدیریت‌شده توسط مشتری استفاده می‌کنند، در دسترس نیست. حتی زمانی که توسعه‌دهندگان از طریق Amazon Bedrock به Claude Code دسترسی پیدا می‌کنند، سازمان کلود مورد نیاز است.

یک بازار شلوغ یک متصدی جدید پیدا می کند

Anthropic در شرط بندی که کد تولید شده توسط هوش مصنوعی نیاز به بررسی ایجاد شده توسط هوش مصنوعی دارد، تنها نیست. CodeRabbit، یک استارتاپ اختصاصی بررسی کد هوش مصنوعی، در ماه آگوست با ارزش 1.5 میلیارد دلاری 143 میلیون دلار جمع آوری کرد و فروشندگان پلتفرم، نمایندگان بررسی را در زنجیره ابزار توسعه دهندگان خود قرار داده اند. چیزی که ورودی Anthropic را متمایز می کند توزیع است: بررسی کد در داخل Claude Code قرار می گیرد، که بسیاری از تیم های مشابه در وهله اول از آن برای نوشتن کد استفاده می کنند.

انتشار عمومی در دسترس بودن به طور موثر بررسی خودکار پیش از انسان را به بخشی پیش‌فرض از گردش کار کد کلود برای مشتریان سازمانی تبدیل می‌کند. این که آیا تیم‌ها از بازبینی‌کننده‌ای استقبال می‌کنند که هرگز ادغام را مسدود نمی‌کند - اما هرگز از خواندن یک تفاوت 1000 خطی خسته نمی‌شود - در ماه‌های آینده در صف‌های ادغام ظاهر می‌شود.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →