基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
简历
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
工具产品2026-08-14 19:44

Claude Code 已能自主维护 Anthropic 自家代码库,46% PR 合并率

The Decoder#Claude Code#AI编程#自动化
Editor brief · 编辑速览

Anthropic 让 Claude Code 接管内部应用的日常维护工作,几周内创建了 388 个 PR,其中 46% 经人工审查后被合并,表明 AI 编程代理在代码维护场景有初步可行性。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

Anthropic 正在测试 Claude Code 能否承担公司自有软件的日常维护工作。在短短几周内,AI 创建了 388 个 pull request,经人工审核后有 180 个被合并,合并率约 46%。

据创建了 Claude Code 的 Anthropic 工程师 Boris Cherny 称,Claude 已经在 Anthropic 自有应用上运行日常维护"好几周"了。Claude 自行处理这些重复性维护工作,而不是让开发人员困在其中。Cherny 称结果"出人意料地正面"。

在帖子中,Cherny 描述了一个 setup:Claude 通过 Tag,每天通过名为 "proj-claude-maintains-apps" 的专属 Slack 频道在 Anthropic 所有平台上运行例行程序:iOS、Android、桌面端、Web、CLI 和 Agent SDK。

十二个例行程序覆盖代码维护全流程

据 Cherny 称,Claude 运行一套专门的维护例行程序。一个"崩溃模糊测试器"(Crash Fuzzer)在模拟器中打开应用,随机点击以触发崩溃,分析根本原因,并创建修复方案。一个"重复统一器"(Dup Unifier)扫描代码库中相似但略有不同的抽象,提出合并建议。"死代码移除器"(Dead-Code Remover)清除静态不可达的代码,对于可疑代码,先添加日志,以便第二天检查该代码是否真的未被使用。

Cherny 在 Slack 中分享了一些 prompt,其中并没有复杂的 prompt 工程。他用通俗易懂的语言告诉 Claude:为 iOS、Android 和桌面端启动崩溃模糊测试的日常程序,使用真实应用而非 mocks,触发崩溃,并创建包含修复方案的 pull request。

一张 Slack 截图展示了 Boris Cherny 如何通过自然语言指令将 AI 维护例行程序委托给崩溃模糊测试、逻辑 bug 修复、死代码移除及其他任务。| 图片来源:Boris Cherny / Anthropic

Slack-Screenshot zeigt, wie Boris Cherny per natürlichsprachlicher Anweisung die KI-Wartungsroutinen für Crash-Fuzzing, Logik-Bugfixes, Dead-Code-Removal und weitere Aufgaben delegiert. | Bild: Boris Cherny / Anthropic

388 个 pull request 创建,近一半被合并

Cherny 称,Claude 在前几周内在 Anthropic 的所有仓库中创建了 388 个 pull request。经 Claude Code 自动审查和人工审查相结合,有 180 个被合并,合并率约 46%。

据 Cherny 称,Claude 通常第一次就能正确完成 pull request。当出错时,团队会调整例行程序,让 AI 第二天做得更好。这种调优有时需要几天时间。Anthropic 目前正在研究如何加速这类机械变更的合并流程。

超过一半的自动生成 pull request 未能通过,这说明了两点:这种方法的局限性,以及它的潜力。Cherny 将这个实验描述为"初步的生命迹象",表明自主 AI 驱动的应用维护是可行的。

无炒作的 AI 新闻——人工精选

订阅 THE DECODER,享受无广告阅读、周报 AI 时讯、每年六期的独家"AI Radar"前沿报告、完整档案访问,以及评论区访问权限。

Original source

本文由 AI 翻译整理,来源 The Decoder,原文版权归原作者所有。

阅读原文
上一篇
EU AI Act已成垂直AI的业务阻断风险:一个修复方案
下一篇
MCP 工具防误触发:写前检查值而非仅检查字段是否为空

资讯速览

The Decoder · 2026-08-14 19:44

AI 评分 8.0 / 10

相关标签

#Claude Code#AI编程#自动化

继续阅读

  • 什么是API的Agent就绪度:让AI Agent能自主发现、理解并调用你的服务
  • EU AI Act已成垂直AI的业务阻断风险:一个修复方案
  • MCP 工具防误触发:写前检查值而非仅检查字段是否为空
  • 智谱GLM-5.3:自称最强开源编程模型,权重两周后公开
  • Kimi K3定价陷阱:推理Token按输出计费,账单超预期十倍