正在打开每日关注
正在打开每日关注
Claude Code通过多档审查强度,在代码质量、召回率与 token 成本间取得平衡。
Claude Code 的 /code-review 终于不再是“一把尺子审所有 PR”了。 现在它加入了 effort levels: 低档 = 快速、低成本,适合每次 push 前扫一遍; 中档 = 读上下文、多角度找问题、再逐条验证; 高档 = 让独立子代理带着新上下文审查,避免被写代码的思路锚定; X-high = 连改动外的潜在影响也一起扫; Ultra = 直接拉一队 reviewer agents,独立复现每个发现,减少误报。 这才是 AI Code Review 真正该有的形态: 不是永远“最强模型 + 最贵上下文”, 而是根据 PR 风险,自由选择「快扫」还是「深挖」。 小改动别浪费 token, 核心重构就把 recall 拉满。 Claude Code 这次升级,感觉更像是在把 AI 编程从“能用”,推向“工程化可控”。 #ClaudeCode #Claude
是什么
这条推文讨论 Claude Code 为 /code-review 引入多档 effort levels,把代码审查从固定流程变成可按风险调节的资源配置。低档强调速度与低成本,中档增加上下文理解和逐项验证,高档通过独立子代理降低作者思路带来的锚定效应,X-high 继续扩大影响面,Ultra 则以多 reviewer agents 和独立复现来提升可信度。
核心机制 它本质上是审查深度、上下文预算、代理数量与验证强度之间的分层策略:小型改动优先获得快速反馈,高风险重构则购买更高 recall 和更强复核能力。截图中的命令参数还显示了指定目标、自动修复与评论输出等工作流入口。
关键洞察 AI 编程工具要走向工程化,关键不只是模型更强,而是让团队能根据变更风险选择成本和质量档位,并形成可解释的审查操作面。
边界与风险 档位名称不等于实际效果保证;更高强度可能增加延迟、费用与并行协调成本,也不能替代测试、领域知识和人工最终判断。该内容主要属于研发效能与 Agent 工程讨论。