تیم Claude Code چطور کار ایجنتها رو وریفای میکنه
خلاصهٔ کاملتر
تو تیم Claude Code حدود ۹۰ درصد کد رو خود Claude مینویسه و ریویو میکنه. نویسنده مقاله، Addy Osmani، میگه تو این مقیاس، چیزی که اجازه میده بهجای یکی دو تا، دهها ایجنت موازی کار کنن، verification loop هست؛ یعنی ایجنت خودش با شواهد چک کنه کارش درسته. تو تستهای داخلی، یه grader جدا که کار Claude رو با یه rubric میسنجید، موفقیت رو تا ۱۰ امتیاز بالا برد.
نویسنده سه نوع تست رو ارزشمندتر میدونه. E2E که یه جریان واقعی کاربر رو اجرا میکنه و گول زدنش سخته، چون یا کل فیچر کار میکنه یا نه. Property test (یعنی یه قانون کلی رو مینویسی و کتابخونهای مثل fast-check یا Hypothesis هزاران ورودی میسازه تا نقضش کنه) که لبههایی رو میگیره که ایجنت جا میندازه. Differential test که برای مهاجرتها، سیستم قدیم و جدید رو با یه ورودی اجرا میکنه و خروجیها رو مقایسه میکنه. هشدار هم میده که تست flaky به ایجنت یاد میده فقط دوباره اجراش کنه.
تو خود تیم، وریفای یعنی اجرای واقعی اپ. یه skill به اسم verify تو پوشه .claude/skills/ میذارن که اپ یا شبیهساز رو بالا میاره و Claude قبل از کامیت ازش استفاده میکنه. اگه یه چک بعد از سه دور هنوز fail بشه، Claude دست نگه میداره و آدم رو صدا میزنه. یه چکلیست ۳۹ موردی هم دارن که هر مورد یه trigger قابل خوندن از diff داره و Claude فقط ۳ تا ۱۰ مورد مرتبط رو چک میکنه.
یه قانون مهم اینه که تغییر نباید بتونه چک خودش رو عوض کنه. برای همین Code Review فایل REVIEW.md رو از branch اصلی میخونه، نه از خود pull request. بهجای اضافه کردن ریویوئر دوم، ریویوئر اصلی رو تیون میکنن. یه commit gate هم دارن با سه حالت off، observe و enforce که اگه سشن /verify یا /code-review نداشته باشه، کامیت رو بلاک میکنه؛ بعد از دو بار بلاک، سومی رد میشه تا Claude گیر نکنه.
خود ریویوئرها هم سنجیده میشن: تعداد revertها، تغییرات ردشده و یه eval روی باگهای قبلی. اشتباهها به قانون تبدیل میشن؛ الگویی که حداقل تو دو PR تکرار شده و از diff قابل تشخیصه، سه ایجنت سعی میکنن ردش کنن و بعد یه آدم تأییدش میکنه. Claude حق نداره تست flaky رو skip کنه یا sleep بذاره؛ اگه علتش رو پیدا نکنه، تست رو پاک میکنه و دلیلش رو مینویسه.
نکات کلیدی:
- حدود ۹۰٪ کد Claude Code رو Claude مینویسه و ریویو میکنه.
- سه تست پیشنهادی: E2E، property (با fast-check، Hypothesis، proptest) و differential.
- اگه چکی بعد از ۳ دور fail بمونه، Claude آدم رو وارد میکنه.
- چکلیست reliability تیم ۳۹ مورد داره و هر بار ۳ تا ۱۰ موردش چک میشه.
- REVIEW.md همیشه از branch پایه خونده میشه تا تغییر نتونه قانون خودش رو عوض کنه.
- commit gate سه حالت off، observe و enforce داره.




