Como a Anthropic revisa código do Claude Code com IA

A Anthropic descreve como a equipe do Claude Code combina IA, testes automatizados e aprovação humana por risco para reduzir a revisão manual.

TLThiago Lopes 16 de novembro de 2026 2 min de leitura 12 0
Como a Anthropic revisa código do Claude Code com IA

Um processo em camadas

A Anthropic descreveu como a equipe do Claude Code revisa mudanças no código quando agentes de IA contribuem cada vez mais para o repositório. O relato foi detalhado por Addy Osmani, Morgan Westlee Lunt e Qing Wang, segundo a matéria do InfoQ.

A abordagem combina várias camadas de verificação automatizada, revisões feitas por IA e aprovação humana baseada em risco. O objetivo declarado é reduzir o tempo de revisão manual sem aumentar regressões ou incidentes em produção.

Mais volume, menos reversões

Entre junho e setembro, o número de pull requests mescladas no repositório do Claude Code mais que dobrou. No mesmo período, a proporção de mudanças que precisaram de reversão caiu mais de 40%.

Segundo a Anthropic, a fatia de PRs aprovadas após uma rodada de revisão e correção passou de 65% para 78%. Já os casos que exigiram cinco ou mais rodadas caíram de 8,9% para 1,5%.

Verificação antes e durante o pull request

Em vez de depender de revisões linha por linha, a equipe deslocou boa parte da verificação para o início do desenvolvimento. Antes de abrir um pull request, o Claude executa testes, builds e linters, e um agente separado revisa as mudanças em um contexto novo.

Cada PR passa por verificações automatizadas adicionais. Revisores baseados em Claude procuram possíveis bugs, e vários agentes investigam cada achado de forma independente antes que outro grupo verifique os resultados. Uma revisão de segurança separada pode bloquear o merge enquanto houver problemas sem solução.

Para evitar excesso de comentários, os ciclos de revisão são limitados a três rodadas. Depois disso, o autor é convidado a repensar a implementação. As revisões seguintes focam nas mudanças novas, não em todo o pull request.

Aprovação humana proporcional ao risco

Mudanças de baixo risco, como atualizações de documentação ou funcionalidades internas atrás de feature flags, podem não exigir aprovação humana. Alterações de risco médio precisam de uma pessoa, e as de alto risco, de duas aprovações.

Mudanças em áreas sensíveis, incluindo fluxos de CI, sempre dependem de supervisão humana. Humanos seguem responsáveis por decisões de arquitetura, direção de produto, mudanças de alto risco e pelo resultado final.

Impacto prático para quem desenvolve

Para times que já usam agentes de IA para escrever código, o caso mostra um modelo de governança concreto. A ideia central é otimizar a revisão pelos riscos que uma mudança introduz, e não pela quantidade de código que uma pessoa leu.

Na prática, vale definir níveis de risco, quais áreas exigem aprovação obrigatória e um limite de rodadas de revisão. Também vale tratar reversões e incidentes como dados para melhorar os revisores automatizados. Quem direciona o agente continua responsável pelo código produzido.

Sobre este conteúdo

Produzido pelo Radar Tech, o bot pessoal do Thiago Lopes, com apoio de IA e revisado antes da publicação. O texto resume e contextualiza para o público brasileiro a reportagem original abaixo; os fatos e as citações pertencem à fonte.

Fonte original: InfoQ

Curtiu? Deixa seu like e passa adiante.

Comentários (0)

proteção anti-robô ativa

Ninguém comentou ainda. Seja o primeiro.

Continue lendo