Anthropic đã cung cấp rộng rãi Đánh giá mã cho Mã Claude, chuyển hệ thống xem xét yêu cầu kéo đa tác nhân ra khỏi bản xem trước nghiên cứu mà nó đã đưa vào tháng 3 năm 2026. Bản phát hành rộng rãi đi kèm với các đánh giá nhanh hơn, phát hiện ngắn gọn hơn và — theo báo cáo của The Next Web — khoản tín dụng trị giá 50.000 đô la kèm theo cho các tổ chức áp dụng.
Hệ thống này, lần đầu tiên được giới thiệu dưới dạng bản xem trước nghiên cứu vào ngày 9 tháng 3 năm 2026 cho các kế hoạch Nhóm và Doanh nghiệp, sẽ cử một nhóm đặc vụ AI đi kiểm tra mọi yêu cầu kéo. Vào thời điểm đó, Anthropic cho biết sản lượng mã của mỗi kỹ sư đã tăng 200% so với năm trước, khiến việc xem xét mã trở thành một nút thắt cổ chai: trước khi triển khai Đánh giá mã trong nội bộ, chỉ 16% yêu cầu kéo của công ty nhận được các nhận xét đánh giá thực chất. Sau khi triển khai, con số đó tăng lên 54%. For more context on this story, see our ongoing artificial intelligence updates.
Cách thức hoạt động của Quy trình đánh giá đa tác nhân
Theo tài liệu Đánh giá mã của Anthropic, mỗi quá trình đánh giá sẽ diễn ra trên cơ sở hạ tầng của Anthropic theo bốn giai đoạn. Đầu tiên, một số tác nhân kiểm tra sự khác biệt và mã xung quanh song song để tìm ra các vấn đề tiềm ẩn. Thứ hai, bước xác minh sẽ kiểm tra từng kết quả tìm thấy của ứng viên so với mã thực tế và lọc ra các kết quả dương tính giả. Thứ ba, những phát hiện còn lại được loại bỏ trùng lặp và xếp hạng theo mức độ nghiêm trọng. Cuối cùng, kết quả được đăng lên yêu cầu kéo.
Mỗi đánh giá để lại nhận xét nội tuyến về các dòng cụ thể có liên quan, một bản tóm tắt và một lần kiểm tra có tên "Đánh giá mã Claude" liệt kê các phát hiện. Đáng chú ý, quá trình kiểm tra không bao giờ kết thúc là lỗi và quá trình xem xét không bao giờ phê duyệt hoặc chặn yêu cầu kéo — quyết định hợp nhất vẫn thuộc về nhóm con người. Khi quá trình xem xét không tìm thấy điều gì đáng gắn cờ, quá trình kiểm tra sẽ báo cáo rằng không tìm thấy vấn đề nào.
Theo mặc định, Đánh giá mã tập trung vào tính chính xác: các lỗi có thể làm gián đoạn quá trình sản xuất, thay vì định dạng tùy chọn hoặc thiếu phạm vi kiểm tra. Các kho lưu trữ có thể điều chỉnh những gì được gắn cờ bằng cách sử dụng các tệp hướng dẫn REVIEW.md và CLAUDE.md, đồng thời tài liệu của Anthropic nêu rõ rằng REVIEW.md được đọc từ nhánh cơ sở hoặc nhánh mặc định — không bao giờ được đọc từ các thay đổi của chính yêu cầu kéo, một lựa chọn thiết kế ngăn yêu cầu kéo viết lại tiêu chí đánh giá của chính nó.
Đánh giá nhanh hơn và kết quả yên tĩnh hơn
Anthropic cho biết họ đã sử dụng giai đoạn xem trước nghiên cứu để thực hiện đánh giá nhanh hơn, tìm ra các lỗi quan trọng tốt hơn và dễ dàng điều chỉnh cho phù hợp với từng kho lưu trữ hơn. Theo công ty, hầu hết các bài đánh giá hiện kết thúc nhanh hơn khoảng ba lần so với thời gian xem trước, với thời gian đánh giá thông thường là từ khoảng 20 phút đến 6–10 phút.
Bản thân những phát hiện này cũng đã được định dạng lại. Anthropic cho biết những phát hiện hiện nêu rõ vấn đề, nguyên nhân gây ra vấn đề và cách khắc phục trong một vài câu. Quản trị viên có thể chỉ định cho mỗi kho lưu trữ mức độ Đánh giá nhanh, Tiêu chuẩn hoặc Sâu, với các cấp độ kỹ lưỡng hơn sẽ có chi phí cao hơn. Anthropic lưu ý rằng người dùng xem trước muốn các bài đánh giá "yên tĩnh hơn" và có quy mô phù hợp với từng thay đổi — phản hồi đã định hình bản phát hành có sẵn rộng rãi.
Những con số bên trong của Anthropic thể hiện điều gì
Công ty đã công bố số liệu thống kê về việc chạy Đánh giá mã trên hầu hết mọi yêu cầu kéo nội bộ. Về các yêu cầu kéo nội bộ với hơn 1.000 dòng được thay đổi, Anthropic cho biết 84% đã nhận được kết quả, trung bình mỗi dòng có 7,5 vấn đề. Yêu cầu kéo dưới 50 dòng giảm xuống còn 31% nhận được kết quả, trung bình có 0,5 vấn đề — một dấu hiệu cho thấy hệ thống sẽ mở rộng quy mô giám sát của mình theo quy mô của thay đổi. Các kỹ sư đánh dấu ít hơn 1 phần trăm các phát hiện là không chính xác.
Anthropic cũng chỉ ra một nhược điểm cụ thể từ việc sử dụng quyền truy cập sớm: một lỗi không khớp loại tiềm ẩn trong phần mềm trung gian nguồn mở của TrueNAS đã âm thầm xóa bộ đệm khóa mã hóa ZFS trong mỗi lần đồng bộ hóa, một vấn đề tồn tại từ trước trong mã liền kề mà yêu cầu kéo đã chạm vào.
Cách các nhóm bật tính năng này
Để bật Đánh giá mã, quản trị viên hãy bật tính năng này trong cài đặt Mã Claude, cài đặt Ứng dụng Claude GitHub và chọn kho lưu trữ. Sau khi được bật, các bài đánh giá sẽ tự động chạy theo các yêu cầu kéo mới mà không cần cấu hình từ từng nhà phát triển. Các nhóm có thể chọn xem kho lưu trữ có chạy đánh giá một lần khi yêu cầu kéo mở ra, sau mỗi lần đẩy hay chỉ theo yêu cầu và bất kỳ ai có quyền ghi đều có thể kích hoạt đánh giá bằng cách nhận xét @claude review. Bản nháp và nĩa được loại trừ khỏi quá trình đánh giá tự động.
Đánh giá chạy trong môi trường được quản lý với quyền truy cập kho lưu trữ chỉ đọc, hoạt động từ mã khác biệt và mã xung quanh mà không cần xây dựng hoặc chạy mã đó và không chạy trong môi trường tự lưu trữ. Đánh giá mã chọn mô hình Claude mà mỗi đánh giá sẽ chạy trên đó - cài đặt quản trị viên không cung cấp lựa chọn mô hình.
Yêu cầu và hạn chế
Dịch vụ này yêu cầu gói Nhóm hoặc Doanh nghiệp và các kho lưu trữ được lưu trữ trên GitHub, bao gồm GitHub Enterprise Server và GitHub Enterprise Cloud với nơi lưu trữ dữ liệu. Nó không khả dụng đối với các tổ chức đã bật tính năng Zero Data Retention hoặc áp dụng cấu hình HIPAA, không nằm trong Thỏa thuận liên kết kinh doanh của Anthropic và chưa khả dụng đối với các tổ chức sử dụng khóa mã hóa do khách hàng quản lý. Cần phải có tổ chức Claude ngay cả khi các nhà phát triển truy cập Mã Claude thông qua Amazon Bedrock.
Một thị trường đông đúc có một người đương nhiệm mới
Anthropic không đơn độc khi đặt cược rằng mã do AI tạo ra cần được đánh giá do AI tạo ra. CodeRabbit, một công ty khởi nghiệp đánh giá mã AI chuyên dụng, đã huy động được 143 triệu USD với mức định giá 1,5 tỷ USD vào tháng 8 và các nhà cung cấp nền tảng đã đưa các đại lý đánh giá vào chuỗi công cụ dành cho nhà phát triển của họ. Điều tạo nên sự khác biệt cho mục nhập của Anthropic là khả năng phân phối: Đánh giá mã được vận chuyển bên trong Mã Claude, mã mà nhiều nhóm trong cùng một nhóm đã sử dụng để viết mã ngay từ đầu.
Bản phát hành chung có hiệu quả khiến việc đánh giá tự động trước con người trở thành một phần mặc định trong quy trình làm việc của Mã Claude dành cho khách hàng doanh nghiệp. Liệu các nhóm có chấp nhận người đánh giá không bao giờ chặn việc hợp nhất — nhưng không bao giờ cảm thấy mệt mỏi khi đọc khác biệt 1.000 dòng — hay không sẽ hiển thị trong hàng đợi hợp nhất trong những tháng tới.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
