Anthropic-ը նկարագրել է, թե ինչպես է ստուգում Claude Code-ի աշխատանքը


Ընկերության խոսքով՝ Claude-ը գրում և վերանայում է կոդ գրելու իր գործիքը մշակող թիմի կոդի մոտ 90%-ը, իսկ ավտոմատ ստուգումներն ինժեներներին տալիս են արդյունքը գնահատելու համար անհրաժեշտ նյութերը։
Anthropic-ի տեխնիկական մասնագետ Էդդի Օսմանին նկարագրել է, թե Claude Code-ը մշակող թիմն ինչպես է ստուգում Claude-ի մի քանի գործակալների կատարած աշխատանքը։ Համակարգն ավտոմատ ստուգումների միջոցով ինժեներին տալիս է նյութեր, որոնք նա կարող է ուսումնասիրել՝ առանց ամեն փոփոխությունն առանձին քննելու։
Anthropic-ի խոսքով՝ Claude-ը գրում և վերանայում է Claude Code-ը մշակող թիմի ստեղծած կոդի մոտ 90%-ը։
Anthropic-ն ավելի վաղ նկարագրել էր, թե ինչպես է մշակման վերջում մարդու կատարած վերանայումից անցել շարունակական վերանայման։ Այժմ Claude-ը փոփոխությունների մեծ մասը գոնե 1 անգամ վերանայում ու շտկում է, նախքան մարդուն կխնդրեն դրանք դիտել։
Ի պատասխան The New Stack-ի հարցերի՝ Anthropic-ը հայտնել է, որ 2026-ի հունիսից սեպտեմբեր կոդում փոփոխություններ ներառելու այն առաջարկների թիվը, որոնք իրագործվել են, աճել է ավելի քան կրկնակի, իսկ հետ շրջված փոփոխությունների մասնաբաժինը նվազել է ավելի քան 40%-ով։ Ընկերությունը չի նշել, թե այդ տեղաշարժի որ մասն է պայմանավորված ստուգումներով, և չի հրապարակել առանձին թվեր գործարկված ծրագրում առկա թերությունների ու փոփոխություններից հետո ի հայտ եկած խաթարումների վերաբերյալ։
Anthropic-ի խոսքով՝ նախ կատարվում են կրկնելի ստուգումները․ հավաքվում է ծրագիրը, գործարկվում են կոդի խնդիրները մատնանշող գործիքները, փորձարկվում են առանձին բաղադրիչներն ու հատկությունները։ Դրանք գրվելուց հետո գործարկվում են սովորական ծրագրերի պես։ Ընկերությունը դիմում է մոդելի վերանայմանը, երբ պետք է գնահատել, օրինակ, թե արդյոք փոփոխության համար ճիշտ մոտեցում է ընտրվել, կամ արդյոք անտեսվել է որևէ դեպք, որը ոչ մի թեստ չի ընդգրկում։

Claude-ը փոփոխությունները փորձարկում է նաև աշխատող հավելվածում։ Վեբ հավելվածների համար այն կարող է ավտոմատ կառավարել զննարկիչը, բջջային հավելվածների հավաքված տարբերակների համար՝ օգտագործել միացված նմանակիչներ, իսկ սերվերային մասի համար՝ տեղային ծառայություններ։ Ինժեներներն ուսումնասիրում են թեստերի արդյունքները, էկրանի պատկերներն ու ստուգման մյուս նյութերը։ Եթե ստուգումը 3 փուլից հետո էլ չի անցնում, Claude-ը խնդիրը փոխանցում է ինժեներին։
«Թողարկվող յուրաքանչյուր փոփոխության համար պատասխանատու է մարդը՝ անկախ նրանից, թե ով է այն գրել»։
Որպեսզի առաջարկվող փոփոխությունը չկարողանա վերաշարադրել իր գնահատման կանոնները, վերանայման համակարգը REVIEW.md ֆայլի հրահանգները կարդում է եղած կոդի հիմնական ճյուղից, ոչ թե առաջարկվող փոփոխություններից։ Վերանայման արդյունքը վերաբերում է միայն կոդի այն կոնկրետ գրանցված փոփոխությանը, որը համակարգը քննել է։
Թիմի ցանկում կա հուսալիության 39 ստուգում, որոնք կապված են նախկին միջադեպերի կամ փոփոխությունների հետ։ Claude-ն ընտրում է առաջարկվող փոփոխությանը վերաբերող ստուգումները և սովորաբար կատարում դրանցից 3-ից 10-ը։ Փոփոխությունը գրանցելու կանոնները կարող են /code-review կամ /verify հրամանով ստուգում պահանջել, սակայն մշակողները կարող են շրջանցել այդ պահանջը՝ բացատրելով պատճառը։ Թիմն արձանագրում է, թե ինչպես է ստուգվել յուրաքանչյուր գրանցված փոփոխություն, ինչպես նաև այն դեպքերը, երբ ստուգում չի կատարվել։
Anthropic-ը նաև արգելում է Claude-ին բաց թողնել անկայուն արդյունք տվող թեստերը, արհեստական դադարներ մտցնել կամ թեստը կրկնել այնքան, մինչև այն անցնի։ Եթե Claude-ը չի կարողանում պարզել ձախողման բուն պատճառը, ջնջում է թեստն ու գրանցում, թե ինչու է դա արել։
Նախկին միջադեպերի ու փոփոխությունների հետշրջումների հիման վրա վերանայող համակարգերը գնահատելու համար Anthropic-ը յուրաքանչյուր դեպքի համար վերականգնում է կոդի պահոցն այն վիճակով, որում այն եղել է վերանայման պահին։ Վերանայող համակարգին արդյունք են հաշվում միայն այն դեպքում, երբ այն նկարագրում է իրական սխալը։ Կայուն մնացած փոփոխությունները ծառայում են որպես վերահսկիչ օրինակներ, իսկ թեստերի անփոփոխ հավաքածուն պահվում է համակարգը կարգավորելու համար օգտագործվող օրինակներից առանձին։ Եթե համակարգը գտնում է իրական սխալը, բայց դրա մասին չի հայտնում ինժեներին, սխալը համարվում է բաց թողնված։
Hacker News-ի մեկնաբան OtherShrezzing-ը պնդում է, որ բազմակի օգտագործման Playwright թեստերը կարող են կատարել ստուգումների մեծ մասը՝ առանց մոդելին կրկնակի դիմելու։ Մեկ այլ մեկնաբան՝ xnorswap-ը, մտավախություն է հայտնում, որ գործակալը կարող է վերաշարադրել ձախողվող թեստը կամ շրջանցող լուծում ավելացնել՝ խնդրի բուն պատճառը շտկելու փոխարեն։
Anthropic-ը չի հայտնել, թե կոնկրետ որքան լրացուցիչ ծախս է պահանջում մոդելի միջոցով ստուգումը, և չի հրապարակել, թե որքան հաճախ են վերանայող համակարգերը կեղծ ահազանգ տալիս կամ սխալ բաց թողնում։ Առանց այդ թվերի այլ թիմերը քիչ տվյալներ ունեն իրենց ներդրած լուծումները համեմատելու համար։
Anthropic-ի խոսքով՝ ընկերությունը ցանկանում է, որ Claude Code-ի փոփոխությունների մեծ մասը միավորվի առավելագույնը 1 մարդու մասնակցությամբ՝ առանց հետշրջումներն ու միջադեպերն ավելացնելու։ Կոդի պահոցների սեփականատերերն արդեն որոշում են, թե ցածր ռիսկով որ փոփոխությունները կարելի է միավորել միայն ավտոմատ ստուգումների հիման վրա։ Ընկերության խոսքով՝ իր ինժեներները ցանկանում են, որ նախքան ավելի շատ կոդ կմիավորվի առանց մարդու մասնակցության, ներդրվեն մեխանիզմներ, որոնք հետշրջումների կամ միջադեպերի աճի դեպքում ավտոմատ կխստացնեն հաստատման պահանջները։
Նոյեմբերի 19-ին միաձայն ընդունված կանոններով ավիացիոն հաճախականությունների տիրույթում առանձին կայանների լիցենզավորմանը փոխարինում է համազգային համակարգը։ Փոքր անօդաչուների թռիչքի բարձրություններում ծածկույթի վերջնական պահանջները դեռ հաստատված չեն։
3 րոպե

Գրեթե 10 միլիոն առցանց հայտարարության վերլուծությամբ՝ առավել ենթակա մասնագիտությունների հայտարարությունները մոտ 10 տոկոսային կետով ավելի են նվազել, քան պակաս ենթականերինը, սակայն չի կարողացել տարանջատել տեխնոլոգիայի ազդեցությունը տնտեսության դանդաղման ազդեցությունից։
3 րոպե

Ընկերության խոսքով՝ սա նահանգում մասնավոր ջերմամիջուկային ընկերությանը տրված ռադիոակտիվ նյութերի առաջին լիցենզիան է։ Լիցենզիան թույլ է տալիս տրիտիում օգտագործել Ալբուկերկեում կառուցվող հետազոտական համալիրում՝ համակարգի փորձարկման համար, որի նպատակը մինչև 2030 թվականն էներգիայի զուտ շահույթի հասնելն է։
2 րոպե