最近大家讨论 AI 编程，重点几乎都放在效率和成本上。

但一个尴尬的现实是：代码生成的速度，已经远远超过了人类 Review 的速度。

以前一个工程师一天提 2 个 PR，现在有了 AI 辅助，可能一天提 5 个甚至更多。但团队里负责 Review 的资深工程师并没有变多，他们的时间也没有变多。结果就是：PR 堆积，改动被匆匆扫一眼就合并，线上 Bug 也就是这么漏出去的。

Anthropic 的《Bringing Code Review to Claude Code》之所以值得关注，不是因为它又发布了一个新功能，而是它揭示了 AI 编程进入深水区后的真实瓶颈：写代码已经不是最稀缺的能力，稳定发现问题、压住质量波动，才是。

解决“幻觉”的暴力美学：多 Agent 交叉验证# 

文章介绍，Anthropic 给 Claude Code 推出了 Code Review 功能。但这并不是我们常见的“把代码丢给 LLM，让它给点意见”。

官方的做法非常“重”：

• 根据 PR 的规模，动态启动多个 Agent。
• Agent 之间并行找问题，而不是单点一次性看完。
• 关键一步：引入复核机制，对发现的问题进行交叉验证，压低误报率。

这套机制其实暴露了当前 LLM 的一个技术实情：单轮 Review 在复杂的 Code Review 场景下并不可靠。

Anthropic 的解法很直接：既然一个 Agent 容易看走眼，那就多搞几个，互相查。这本质上是用算力换质量。

算一笔账：25 美元一个 PR，你用得起吗？# 

这篇文章里最诚实、也最残酷的信息点其实是成本。

文章提到，这个功能的平均审查时间大约是 20 分钟，通常一次 Review 的成本在 15 到 25 美元之间。

让我们停下来算笔账：

• 如果你的团队每天产生 20 个 PR（对于一个 10 人左右的敏捷团队来说很正常）。
• 每天的 Review 成本就是 300 - 500 美元。
• 一个月（20 个工作日）就是 6,000 - 10,000 美元。

这个价格对于绝大多数创业团队来说，几乎是不可接受的。相比之下，GitHub Copilot 目前是一个月 10-20 美元的固定费率，CodeRabbit 等专门的 Review 工具也便宜得多。

这也解释了为什么 Anthropic 把这个功能定位在 Team 和 Enterprise 侧。深度 Code Review 天然就是重计算、重上下文的服务，它不是那种“顺手送你”的轻量级功能。

未来的分层：AI 编程的“快”与“慢”# 

基于这个成本逻辑，我们可以预见未来 AI 编程产品会明显分层：

1. L1 生成层（快、便宜）：由 Copilot、Cursor 等工具主导，负责高频、低成本的代码生成。这是“油门”。
2. L2 审查层（慢、昂贵）：由类似 Claude Code Review 这种重 Agent 系统主导，负责低频、高风险的质量把关。这是“刹车”。

不是所有代码都配得上 25 美元的 Review。 只有核心业务逻辑、涉及资金交易、并发安全等高风险模块，才值得动用这种“重型武器”。

给团队的建议：别只顾着踩油门# 

如果你们已经在用 AI 大量写代码，请立刻检查你们的 Review 流程是否已经不堪重负。

一个简单的自检清单：

• PR 堆积率：是不是越来越多的 PR 超过 24 小时无人 Review？
• Bug 逃逸率：是不是开始频繁出现“看起来没问题，合并后才报错”的情况？
• Reviewer 疲劳度：核心开发是否在抱怨 Review 占用了太多写代码的时间？

如果答案是肯定的，说明你们的瓶颈已经转移了。这时候，盲目追求“生成速度”只会加速系统的崩坏。

建议的行动路径：

1. 分级 Review：不要对所有 PR 一视同仁。简单的 UI 修改人工快速过，核心逻辑改动再考虑引入 AI 深度审查或多人会审。
2. 警惕“AI 盲信”：不要因为 AI 给了 Review 意见就觉得万事大吉。目前的 AI Review 更多是辅助查漏，决策权必须还在人手里。
3. 关注工具链的中间层：寻找那些能自动化阻挡低级错误的工具（Lint, Test, 静态分析），尽量不要把低级问题留给昂贵的 LLM 去发现。

最后# 

AI 编程的下一阶段，竞争焦点会从“谁写得更快”转向“谁更能稳定交付可合并的代码”。

写代码只是开始，审代码才决定一个团队最后交付出来的东西靠不靠谱。Anthropic 的这次尝试，虽然贵，但方向是对的：它试图用 AI 来解决 AI 制造的问题。

至于 25 美元一次的 Review 值不值？那就要看你那个潜在的 Bug，到底值多少钱了。