Czytanie dowodów zamiast kodu
ENCzytanie dowodów zamiast kodu oznacza zatwierdzanie zmiany agenta na podstawie czterech artefaktów, a nie diffa: zmiany specyfikacji, wyników akceptacji, siły wyroczni oraz sygnałów z działającego buildu. Wskazana osoba nadal czyta kod przy uwierzytelnianiu, pieniądzach, schematach i migracjach, zmianach samych testów oraz wszystkim, czego nie pokrywa żadne sprawdzenie.
Agenci otworzyli w nocy 14 pull requestów. Każdy jest zielony, każdy ma 300 linii, a o dziesiątej masz planowanie. Rzetelne przeczytanie wszystkich zajmie cały dzień. Przejrzenie ich po łebkach zajmie godzinę i niczego nie udowodni, bo przejrzany pobieżnie diff to akceptacja z gorszym śladem audytowym. Ta strona pokazuje, jak lepiej wykorzystać tę godzinę.
Co daje review oparte na dowodach
Dział zatytułowany „Co daje review oparte na dowodach”- Kolejność czytania dowolnego pull requesta agenta: zmiana specyfikacji, wyniki akceptacji, siła wyroczni, sygnały z działania, z pytaniem, na które odpowiada każdy element.
- Tabelę eskalacji z klasami zmian, w których ktoś wciąż czyta kod, uzasadnieniem dla każdej klasy i wzorcami ścieżek na start.
- Pięć promptów do skopiowania, które każą agentowi przygotować dowody, zaudytować własną wyrocznię, sklasyfikować zmianę, powiedzieć, czego jego sprawdzenia nie wyłapią, i objaśnić kod, który zaraz zmienisz.
- Osobisty dziennik zaufania, który przesuwa jedną klasę zmian naraz od „czytam wszystko” do „czytam dowody”.
- Sposób na wspólny kontekst bazy kodu, której nikt nie czyta diff po diffie, tak jak opisuje to zespół Claude Code.
- Sygnały ostrzegawcze, że za wcześnie przestałeś czytać, i sposób wyjścia z każdej sytuacji.
- Dla tech leadów, CTO i zarządu: trzy definicje metryk, które odróżniają review dowodów od braku review.
Dlaczego czytanie każdego diffa przestaje działać
Dział zatytułowany „Dlaczego czytanie każdego diffa przestaje działać”To obciążenie zostało zmierzone. Raport Acceleration Whiplash firmy Faros AI (kwiecień 2026; dwa lata telemetrii z 22 000 programistów i 4000 zespołów) pokazał wzrost mediany czasu w review o 441,5% i o 31,3% więcej pull requestów scalanych bez żadnego review. W tych samych danych liczba ukończonych epików na programistę wzrosła o 66,2%, a liczba incydentów na pull request o 242,7%. Generowanie się przeskalowało, czytanie nie.
Programiści sami przyznają, że nie weryfikują tego, czemu nie ufają. W ankiecie Sonar (styczeń 2026, ponad 1100 respondentów) 96% programistów nie ufa w pełni kodowi wygenerowanemu przez AI, a tylko 48% zawsze go weryfikuje przed commitem.
Wybór nie jest więc między czytaniem każdej linii a nieczytaniem niczego. Poziom 3 drabiny kończy się wtedy, gdy przepustowość review staje się sufitem. Drogą dalej jest zmiana tego, co czytasz: wyników sprawdzeń, które się wykonały, zamiast tekstu, który wygląda wiarygodnie.
Czy pytanie „czy człowiek przeczytał kod?” jest właściwe?
Dział zatytułowany „Czy pytanie „czy człowiek przeczytał kod?” jest właściwe?”Niezupełnie. Zespół Claude Code w Anthropic nazywa je „niedokładnym wskaźnikiem zastępczym” (imprecise proxy) pytania „co może pójść nie tak w tej zmianie i które sprawdzenie, automatyczne czy ludzkie, jest właściwe, żeby to wyłapać?” (blog inżynierski Anthropic, „How the Claude Code team does code review”, 15 października 2026). To drugie pytanie zadawaj przy każdej zmianie. Nazwij, co może pójść nie tak, nazwij sprawdzenie, które by to wyłapało, i wskaż człowieka tylko tam, gdzie żadne sprawdzenie nie da rady. Tabela eskalacji poniżej odpowiada na to pytanie raz dla każdej klasy zmian.
Ten sam artykuł podaje liczby z własnej bazy kodu. Anthropic podaje, że Claude pisze „około 90 procent własnego kodu Claude Code” (artykuł nie mówi, co jest liczone) i że od czerwca do września 2026 liczba scalonych pull requestów w bazie kodu Claude Code „więcej niż się podwoiła, a odsetek tych, które trzeba było cofnąć, spadł o ponad 40 procent”. To liczby zgłoszone przez Anthropic o własnym kodzie, a nie branżowy punkt odniesienia, i artykuł podaje zmiany względne, nie bezwzględne. Nie wiąże spadku cofnięć z żadną jedną zmianą. Obok liczb opisuje miarę, którą zespół optymalizuje: jak najmniej czasu ludzi na review, bez wzrostu cofnięć i incydentów. Stopnie zatwierdzania, które za tym stoją, opisuje strona o governance i autonomii.
Co czytać zamiast diffa?
Dział zatytułowany „Co czytać zamiast diffa?”Czytaj cztery artefakty, w tej kolejności. Każdy odpowiada na pytanie, na które diff odpowiada słabo, i każdy może zawieść w widoczny sposób.
| # | Artefakt | Na jakie pytanie odpowiada | Skąd pochodzi | Jak wygląda, gdy zawodzi |
|---|---|---|---|---|
| 1 | Zmiana specyfikacji | Czy agent zmienił zachowanie, o które prosiliśmy, i tylko je? | Specyfikacja lub ticket plus krótka lista zmian zachowania prostym językiem | Zmiany, o które nikt nie prosił; „przy okazji zrefaktorowałem X” |
| 2 | Wyniki akceptacji | Czy każde kryterium akceptacji ma sprawdzenie, które się wykonało i przeszło? | Wyniki testów, e2e i ewaluacji, jedno kryterium do jednego sprawdzenia | Kryterium bez sprawdzenia albo pominięte sprawdzenie |
| 3 | Siła wyroczni | Czy te sprawdzenia mogły nie przejść i czy agent ich dotykał? | Diff testów, wyniki testów mutacyjnych na zmienionym kodzie i to, czy decydujące sprawdzenie istniało przed zmianą | Testy edytowane w tym samym pull requeście, poluzowane asercje, wygenerowane od nowa snapshoty |
| 4 | Sygnały z działania | Czy działające oprogramowanie zachowuje się zgodnie ze specyfikacją? | Uruchomienia na preview lub stagingu, zrzuty ekranu z przeglądarki, trace’y, a po wdrożeniu metryki canary i odsetek błędów | Brak uruchomienia albo zrzut ekranu tylko ze ścieżki pozytywnej |
Zacznij od zmiany specyfikacji
Dział zatytułowany „Zacznij od zmiany specyfikacji”Zmiana specyfikacji to najkrótszy artefakt i najbardziej wart twojego czasu. Mówi w zdaniach, które zachowanie się zmieniło: „GET /orders zwraca teraz 50 pozycji na stronę i next_cursor; stary parametr page zwraca 400”. Porównujesz to z tym, o co prosiłeś. Rozrost zakresu, źle zrozumiane wymaganie i cicha zmiana kontraktu wychodzą tu w kilka sekund i żadne z nich nie wymaga czytania kodu. Jeśli nikt nie zapisał, o co prosiliście, zapisz to najpierw; zobacz, jak pisać kryteria akceptacji, których agent nie odczyta źle.
Potem przypisz kryteria akceptacji do sprawdzeń
Dział zatytułowany „Potem przypisz kryteria akceptacji do sprawdzeń”Każde kryterium ze specyfikacji dostaje dokładnie jedną linię: kryterium, sprawdzenie, które je dowodzi, i wynik. „Stary parametr page zwraca 400 → orders.contract.test.ts:88 → pass”. Kryterium bez takiej linii jest niezweryfikowane, niezależnie od tego, jak zielony jest pipeline. Agent przygotuje to zestawienie tanio, bo zna zarówno kryteria, jak i testy, które sam napisał; właśnie dlatego liczy się następne sprawdzenie, czyli siła wyroczni.
Potem zapytaj, czy wyrocznia w ogóle mogła nie przejść
Dział zatytułowany „Potem zapytaj, czy wyrocznia w ogóle mogła nie przejść”Wyrocznia to zestaw sprawdzeń, który decyduje, że praca jest „gotowa”. Agent mógł napisać zarówno funkcję, jak i jej testy, więc zielony wynik niewiele znaczy, dopóki nie znasz dwóch rzeczy. Po pierwsze: czy pull request zmienił jakikolwiek test, fixture, snapshot, krok CI albo regułę lintera? Jeśli tak, przeczytaj tę część diffa; tylko ona może sprawić, że wszystkie pozostałe sprawdzenia kłamią. Po drugie: czy testy by nie przeszły, gdyby kod był błędny? Testy mutacyjne odpowiadają na to mechanicznie: celowo psują zmieniony kod i liczą, ile mutantów testy wyłapały. Ogranicz je do zmienionych plików, bo przebieg na całym projekcie jest w CI wolny. Dla JavaScriptu i TypeScriptu (@stryker-mutator/core 10.0.0 w npm) przekaż zmienione pliki źródłowe do --mutate: npx stryker run --mutate "$(git diff --name-only --diff-filter=d main -- 'src/*.ts' ':!*.test.ts' | paste -sd, -)", a gdy lista jest pusta, pomiń ten krok. Dla Pythona (mutmut 3.8.0 w PyPI) mutmut run nie przyjmuje ścieżek, więc przed uruchomieniem wypisz zmienione pliki w only_mutate w sekcji [tool.mutmut] w pyproject.toml (albo [mutmut] w setup.cfg); source_paths zostaje katalogiem pakietu (zastąpiło paths_to_mutate w mutmut 3.6.0). Pełna metoda jest na stronie o tym, jak silna jest twoja wyrocznia, a odcięcie od niej agenta opisuje ochrona wyroczni.
Stripe pokazuje, dlaczego liczy się wyrocznia starsza niż agent. Jego agenci Minions tworzą tygodniowo „ponad 1300 pull requestów” w Stripe, które są „sprawdzane przez ludzi, ale nie zawierają kodu napisanego przez człowieka” (blog inżynierski Stripe, 19 lutego 2026). Działają na istniejącym zestawie „ponad trzech milionów” testów, z limitem „najwyżej dwóch rund CI” (część 1 tej samej serii, 9 lutego 2026). Wyrocznia jest starsza niż agent i właśnie dlatego review może być krótkie.
Zakończ sygnałami z działania
Dział zatytułowany „Zakończ sygnałami z działania”Testy dowodzą tego, co ktoś pomyślał, żeby przetestować. Działający build pokazuje, co zmiana naprawdę robi. Przed merge’em oznacza to uruchomienie na preview lub stagingu ze zrzutem ekranu albo trace’em każdej ścieżki akceptacji. Skill agent-browser pozwala agentowi samodzielnie obsłużyć działającą aplikację i zebrać te dowody. Po merge’u oznacza to metryki canary, odsetek błędów i automatyczny rollback. Progressive delivery to siatka bezpieczeństwa, dzięki której czytanie przed merge’em staje się opcjonalne w klasach niskiego ryzyka.
Cztery artefakty razem tworzą pakiet dowodów, czyli kontrakt pull requesta egzekwowany przez CI. Ta strona opisuje stronę czytającego; strona o pakiecie zawiera szablon i sprawdzenie w CI, które odrzuca niekompletny pakiet.
Co znaczy „czytać dowody”?
Dział zatytułowany „Co znaczy „czytać dowody”?”Artykuł Anthropic wymienia, co jego inżynierowie czytają zamiast diffa: „Wyniki testów, polecenie, które się wykonało, i to, co zwróciło, zrzut ekranu, ustalenia recenzenta”. W czterech artefaktach z tej strony polecenie z jego wynikiem i wyniki testów to wyniki akceptacji, zrzut ekranu to sygnał z działania, a ustalenia recenzenta to raport drugiego czytelnika, który czytasz zamiast diffa. Artykuł dodaje jedną regułę: „Jeśli nie umiesz powiedzieć, czego te sprawdzenia nie wyłapią, poproś o prawdziwe review zamiast szybkiej akceptacji”.
Zamień tę regułę w krok przed zatwierdzeniem: napisz jedno zdanie zaczynające się od „Te sprawdzenia nie wyłapią” i zdecyduj, czy akceptujesz taką lukę. Jeśli nie umiesz go napisać, nie wiesz jeszcze, co pokrywają dowody, więc poproś o prawdziwe review. Czwarty prompt poniżej prosi agenta o pierwszy szkic. Agent może przeoczyć własne luki, więc przed decyzją porównaj jego odpowiedź z tabelą eskalacji.
Które zmiany wciąż wymagają, żeby człowiek przeczytał kod?
Dział zatytułowany „Które zmiany wciąż wymagają, żeby człowiek przeczytał kod?”Dowody działają, gdy wyrocznia jest silna, informacja zwrotna szybka, a błąd tani do cofnięcia. Poniższe klasy nie spełniają przynajmniej jednego z tych warunków, więc wskazana osoba czyta kod za każdym razem, oprócz dowodów. Trzymaj tę listę krótką; lista, która obejmuje pół repozytorium, cofa cię na poziom 3.
| Klasa zmiany | Dlaczego dowody nie wystarczą | Wzorce ścieżek na start (dopasuj do repozytorium) |
|---|---|---|
| Uwierzytelnianie i autoryzacja | Testy dowodzą dozwolonych ścieżek; błąd kryje się w ścieżce, której nikt nie przetestował. Szkodą jest wyciek, nie bug. | **/auth/**, **/middleware/**, **/*permission*, **/*policy* |
| Pieniądze | Zaokrąglenia, waluty, idempotencja i przypadki brzegowe zwrotów wychodzą po tygodniach, na kontach klientów. | **/billing/**, **/payments/**, **/pricing/**, handlery webhooków |
| Schematy | Kontrakt, od którego zależą inne usługi i starsze wersje klientów; awaria ujawnia się poza testami tego repozytorium. | **/schema.*, **/*.sql, **/openapi*, **/*.proto |
| Migracje danych | Często nieodwracalne, uruchamiane raz na danych produkcyjnych, do których fixture’y testowe nie są podobne. | **/migrations/** |
| Sama wyrocznia | Zmiana testów, CI, lintera albo konfiguracji typów zmienia znaczenie „zielonego” dla każdej innej zmiany. | **/*.test.*, **/__snapshots__/**, .github/workflows/**, pliki lintera i tsconfig |
| Wszystko, czego nie pokrywa żadne sprawdzenie | Bez wyroczni jedynym dowodem jest kod. | Rozstrzygane per pull request: linia akceptacji bez sprawdzenia |
Pierwsze cztery klasy pokrywają się z tymi, które zadanie człowieka utrzymuje pod nadzorem w każdej pętli. Dwie ostatnie to warunki, nie katalogi: obowiązują wszędzie, gdzie wystąpią. Skieruj wszystkie sześć przez CODEOWNERS, żeby wymaganego czytającego pilnowała platforma, a nie czyjaś pamięć. Polityka autonomii i klas ryzyka to miejsce, w którym organizacja spisuje tę listę raz.
Jak zdobyć dowody z Claude Code, Codeksa i Cursora?
Dział zatytułowany „Jak zdobyć dowody z Claude Code, Codeksa i Cursora?”Prompty z następnej sekcji działają we wszystkich trzech narzędziach. Różni się to, gdzie powstają dowody i kto może zablokować merge.
Uruchom prompt dowodowy w trybie headless w CI albo z terminala. Sesje -p startują w trybie uprawnień Manual (od v2.1.285 w trybie auto u zewnętrznych dostawców lub z wyłączoną telemetrią, gdzie decyduje klasyfikator), więc poniższe polecenie przekazuje --permission-mode dontAsk, żeby u każdego dostawcy odrzucać każde polecenie Bash, które wymagałoby pytania (polecenia tylko do odczytu, takie jak git diff i git log, nadal działają). Prompt każe agentowi uruchomić testy akceptacyjne, więc lista musi zawierać twoje polecenia testowe. Poniżej git diff, git log i narzędzia testowe to jedyne polecenia powłoki, na które zezwalasz; zastąp je poleceniami z własnego repozytorium:
# Terminal or CI, from the repository root (Claude Code 2.1.283)claude -p "$(cat .github/prompts/evidence.md)" \ --permission-mode dontAsk \ --allowedTools "Read,Grep,Glob,Bash(git diff:*),Bash(git log:*),Bash(npm test:*),Bash(npx vitest:*),Bash(npx stryker run:*)" \ --output-format json > evidence.jsonPrzebieg uruchamia polecenia testowe z pull requesta, mając w środowisku twój klucz API. W CI uruchamiaj go na zdarzeniu pull_request z gałęzi tego repozytorium, nigdy na pull_request_target z checkoutem kodu kontrybutora.
Jeśli chcesz drugiej opinii o samym kodzie, /code-review przegląda lokalny diff w sesji, a claude ultrareview uruchamia z powłoki wieloagentowe review w chmurze. Zarządzany Code Review (plany Team i Enterprise) „nigdy nie zatwierdza ani nie blokuje twojego pull requesta, a check run nigdy nie kończy się porażką” (dokumentacja Claude Code, sprawdzone 2026-10-16): traktuj go jak komentarze recenzenta, nie jak bramkę.
Uruchom prompt dowodowy zwykłym codex exec, które przyjmuje go jako zadanie i zapisuje końcową odpowiedź do pliku. Sprawdzenia zapisują cache i katalog sandboksa Strykera, więc daj przebiegowi zapisywalny workspace przez profil uprawnień :workspace (beta); bez profili to samo robi --sandbox workspace-write. Użyj jednego albo drugiego, nie obu naraz:
# Terminal or CI, from the repository root (Codex CLI 0.157.1)codex exec -c default_permissions=":workspace" "$(cat .github/prompts/evidence.md)" -o evidence.md
# Separate code review of the branch; review rules come from AGENTS.mdcodex exec review --base main -o review.mdcodex exec review --base main przegląda gałąź względem main. Własny prompt review działa tylko bez --base, --commit i --uncommitted: połączenie ich kończy się błędem error: the argument '--base <BRANCH>' cannot be used with '[PROMPT]' (sprawdzone w 0.157.1). Dlatego prompt dowodowy idzie przez codex exec, a reguły review trafiają do AGENTS.md.
Na GitHubie @codex review w pull requeście uruchamia ten sam rodzaj review i również czyta własne reguły review z AGENTS.md. Wpisz tam wzorce ścieżek z tabeli eskalacji, żeby review nazywało klasę, do której należy zmiana.
Wklej prompt dowodowy do agenta w edytorze, zanim otworzysz pull request, i użyj jego wyniku jako opisu pull requesta.
W pull requeście Bugbot „przegląda pull requesty i wykrywa błędy, problemy z bezpieczeństwem i jakością kodu”. PR Routing & Approval „przydziela recenzentów na podstawie własności kodu i historii commitów i może zatwierdzać pull requesty niskiego ryzyka, gdy spełnione są twoje kryteria” (oba opisy sprawdzone na cursor.com 28 sierpnia 2026). Zapisz tabelę eskalacji jako te kryteria: zatwierdzenie jest dozwolone tylko wtedy, gdy zmiana nie dotyka żadnej klasy eskalacji. Zobacz PR Routing & Approval w Cursorze.
Dowody z działania zbiera się tak samo we wszystkich trzech narzędziach. CLI agent-browser instalujesz raz i jest wspólne; skill, który uczy agenta z niego korzystać, instaluje się osobno dla każdego agenta, więc wymień każdego, którego używasz. Flagi -a i -y sprawiają, że skills add nie zadaje pytań:
# Terminal. agent-browser 0.38.1 on npm, checked 2026-09-26npm install -g agent-browser && agent-browser installnpx skills add vercel-labs/agent-browser -a claude-code -a codex -a cursor -yPrompty do skopiowania dla review opartego na dowodach
Dział zatytułowany „Prompty do skopiowania dla review opartego na dowodach”Prompty zostają po angielsku, tak jak wklejasz je do agenta.
Prowadź osobisty dziennik zaufania
Dział zatytułowany „Prowadź osobisty dziennik zaufania”Zaufanie do dowodów zdobywa się per klasa zmian, nie per narzędzie ani per agent. Dziennik zaufania to krótki plik, w którym dla każdej klasy zapisujesz, co przeczytałeś i czy czytanie kodu znalazło coś, czego nie pokazały dowody. Trzymaj go w notatkach albo w repozytorium w docs/, jeśli zespół korzysta z niego wspólnie.
# Trust log: Anna, orders-service
| Date | PR | Class | Stage | Evidence said | Code read found | Escaped to prod? || ---------- | ---- | --------------- | ----------- | ------------- | -------------------------- | ---------------- || 2026-09-22 | #412 | API pagination | read-all | pass | nothing extra | no || 2026-09-23 | #418 | API pagination | read-all | pass | unasked rename of a field | no || 2026-09-24 | #421 | UI copy | sampled | pass | not read (sample skipped) | no || 2026-09-25 | #425 | billing webhook | always-read | pass | missing idempotency check | no |-
Każdą klasę zaczynaj od
read-all. Czytasz najpierw dowody, potem kod, i zapisujesz, czy kod pokazał ci coś, czego nie pokazały dowody. -
Awansuj klasę do
sampledpo czystej serii. Nasza reguła na start to 20 kolejnych pull requestów, w których czytanie kodu nie znalazło niczego istotnego, a zmiana specyfikacji wyłapała to, co było istotne. Ta liczba to polityka zespołu, nie wynik badań; obniż ją dla trywialnych klas, podnieś dla wszystkiego, co widzi użytkownik. W etapiesampledczytasz kod jednego pull requesta na pięć, wybranego, zanim zajrzysz do dowodów. -
Awansuj do
evidence-onlypo drugiej czystej serii: po kolejnych 20 pull requestach na etapiesampled, w których czytanie próbek nie znalazło niczego istotnego, a żaden błąd z tej klasy nie trafił na produkcję. Czytasz cztery artefakty i zatwierdzasz. -
Cofnij klasę o jeden etap przy pierwszym potknięciu. Błąd, który trafił na produkcję, albo czytanie kodu, które znalazło realny problem pominięty przez dowody, cofa klasę o jeden etap. Najpierw załataj lukę w dowodach (brakujące sprawdzenie akceptacyjne, słaby test), potem zapracuj na etap od nowa.
-
Nigdy nie awansuj klas eskalacji. Uwierzytelnianie, pieniądze, schematy, migracje i zmiany wyroczni zostają na
always-read. Poprawiają się tam dowody czytane obok kodu, a nie to, czy czytasz kod.
Dziennik jest też twoją odpowiedzią, gdy ktoś zapyta, dlaczego zatwierdziłeś zmianę bez czytania. „Ta klasa ma w moim dzienniku 40 czystych pull requestów i żadnej ucieczki” to stwierdzenie, za które można odpowiadać. „Wyglądało dobrze” nim nie jest. Jak wdrożyć ten sam protokół w całym zespole, opisuje strona jak pomóc zespołowi przestać czytać każdy diff.
Jak ktokolwiek poznaje kod, skoro nikt nie czyta każdego diffa?
Dział zatytułowany „Jak ktokolwiek poznaje kod, skoro nikt nie czyta każdego diffa?”Review ma drugie zadanie poza wyłapywaniem błędów: upowszechnia w zespole wiedzę o kodzie. Artykuł Anthropic mówi, że zespół Claude Code nie ma na to formalnego procesu. Nikt w zespole nie nosi w głowie pełnego modelu Claude Code i zespół nie uważa, żeby ktokolwiek musiał. Kto chce zrozumieć fragment bazy kodu, prosi Claude’a o objaśnienie dokładnie tego wycinka, co zajmuje minuty i opisuje kod taki, jaki jest dziś. Część osób każe też Claude’owi zbudować mały artefakt, który wizualizuje ten fragment. Drugim źródłem jest praca na otwartych kanałach Slacka: widzisz, co budują inni, kiedy to budują.
Zmiana jednej linijki tekstu nie uczy cię prawie niczego, a objaśnienie modułu, który zaraz zmienisz, uczy bardzo dużo, więc czytaj objaśnienie zamiast trywialnych diffów. Prompt poniżej dodaje od siebie jedno wymaganie, czyli cytat plik:linia przy każdym twierdzeniu, żebyś mógł porównać objaśnienie z kodem.
Co powinni mierzyć tech leadzi, CTO i zarząd?
Dział zatytułowany „Co powinni mierzyć tech leadzi, CTO i zarząd?”Problem opisany w danych Faros to nie „krótsze review”. To o 31,3% więcej pull requestów scalanych bez żadnego review. Rozwiązaniem nie jest żądanie większej ilości czytania, bo te same dane pokazują, że czytanie się nie skaluje. Rozwiązaniem jest sprawienie, by lżejsze review było prawdziwym review, i mierzenie, że takie jest. Trzy definicje do przyjęcia bez zmian:
| Metryka | Definicja | Co oznacza zły trend |
|---|---|---|
| Kompletność dowodów | Odsetek scalonych pull requestów agentów, które mają wszystkie cztery artefakty (zmianę specyfikacji, przypisanie kryteriów akceptacji, opis zmian wyroczni, dowody z działania) | Zatwierdzenia opierają się na zaufaniu, nie na dowodach |
| Odsetek ucieczek według etapu | Błędy produkcyjne przypisane do pull requestów zatwierdzonych na etapie evidence-only, podzielone przez wszystkie pull requesty zatwierdzone na tym etapie, per klasa zmian, per miesiąc | Klasa awansowała za wcześnie; cofnij ją |
| Pokrycie eskalacji | Odsetek scalonych pull requestów dotykających klasy eskalacji, które mają zapisaną wskazaną osobę czytającą kod | Lista eskalacji jest obchodzona |
Raportuj je per klasa zmian, nigdy jako jedną uśrednioną liczbę. Kanoniczne definicje i punkty odniesienia są na stronie o frameworkach metryk dla inżynierii agentowej. Pytanie, które członek zarządu powinien zadać CTO, jest krótkie: „Które klasy zmian trafiają do main bez czytania kodu przez człowieka, kto o tym zdecydował i jaki jest odsetek ucieczek w tych klasach?”.
Sygnały, że za wcześnie przestałeś czytać
Dział zatytułowany „Sygnały, że za wcześnie przestałeś czytać”Testy zmieniają się w tym samym pull requeście co oceniany przez nie kod i nikt tego nie zauważa. To najczęstszy sposób, w jaki zielony przebieg agenta traci znaczenie. Wyjście: zrób ze zmian wyroczni klasę eskalacji w CODEOWNERS i dodaj krok CI, który wypisuje każdy zmodyfikowany plik testowy w podsumowaniu pull requesta.
Podsumowanie dowodów streszcza diff zamiast raportować wyniki. „Zaktualizowano handler, żeby walidował wejście” to opis kodu, nie dowód. Wyjście: odrzucaj każdą linię akceptacji bez plik:linia albo komendy z kodem wyjścia i wymagaj, żeby agent uruchamiał sprawdzenia, na które się powołuje.
Błąd ucieka w klasie, którą zatwierdzasz na samych dowodach. Wyjście: cofnij klasę o jeden etap w dzienniku zaufania, napisz sprawdzenie, które wyłapałoby ten błąd, i dodaj je do wyroczni, zanim znów awansujesz klasę. Oznacz incydent kontrolą, która zawiodła, tak jak opisuje taksonomia błędów.
Nie umiesz już wyjaśnić modułu zatwierdzonego miesiąc temu. Wewnętrzne badanie Anthropic (Saffron Huang i współpracownicy, 2 grudnia 2025; ankieta wśród 132 inżynierów i badaczy, 53 wywiady) nazywa to „paradoksem nadzoru” (paradox of supervision): nadzorowanie agentów wymaga dokładnie tych umiejętności, które nadmierne delegowanie osłabia. Wyjście: poproś agenta o objaśnienie tego modułu (prompt powyżej), potem raz w tygodniu przeczytaj w całości jeden pull request z próbki, w klasie, za którą odpowiadasz, i zanim zaczniesz czytać, poproś agenta o wyjaśnienie projektu. Twój warsztat i kariera opisuje, które umiejętności podtrzymywać świadomie.
Lista eskalacji po cichu rośnie albo po cichu maleje. Lista, która rozrasta się do połowy repozytorium, cofa cię na poziom 3; lista, która maleje bez spisanej decyzji, to droga, którą kod uwierzytelniania trafia do main nieprzeczytany. Wyjście: zmieniaj listę tylko w zrecenzowanym pull requeście do CODEOWNERS, z uzasadnieniem w opisie commita.
Dowody z działania zawsze pokazują ścieżkę pozytywną. Jeden zrzut ekranu udanego zamówienia dowodzi jednej ścieżki. Wyjście: wymagaj dowodów z działania dla każdego kryterium akceptacji, łącznie z przypadkami błędów, które wymienia specyfikacja.
Dokąd dalej z review opartym na dowodach
Dział zatytułowany „Dokąd dalej z review opartym na dowodach”Czy ten artykuł Ci pomógł?
Jedno kliknięcie, bez logowania.
Co z tym zrobisz?
Jak się czytało?
Co przeszkadzało? Możesz zaznaczyć kilka
Twoja rola?
Dzięki. Czytam każdą odpowiedź. Michał Jaskólski
Pomógł Ci ten artykuł?
Każde to jedno kliknięcie. Zamknij, kiedy chcesz.
bez logowania
Najczęstsze pytania
Co czytać zamiast diffa agenta?
Cztery rzeczy, w tej kolejności: zmianę specyfikacji (jakie zachowanie zmiana deklaruje), wyniki akceptacji (każde kryterium przypisane do sprawdzenia, które się wykonało), siłę wyroczni (czy testy mogły w ogóle nie przejść i czy agent ich dotykał) oraz sygnały z działającego środowiska: preview, stagingu albo canary.
Które zmiany wciąż wymagają, żeby człowiek przeczytał kod?
Uwierzytelnianie i autoryzacja, pieniądze, schematy i migracje danych, a także każda zmiana, która modyfikuje własną wyrocznię (testy, CI, konfigurację lintera lub typów), oraz każda zmiana, której nie pokrywa żadne sprawdzenie. W tych klasach wyrocznia jest słaba, informacja zwrotna wolna albo szkoda trudna do cofnięcia, więc kod czyta wskazana z nazwiska osoba.
Po czym poznać, że za wcześnie przestałem czytać kod?
Błędy trafiają na produkcję w klasie, którą zatwierdzasz na samych dowodach, testy zmieniają się w tym samym pull requeście co oceniany przez nie kod, nie umiesz już wyjaśnić modułu zatwierdzonego miesiąc temu albo podsumowanie dowodów streszcza diff zamiast raportować wyniki sprawdzeń. Każdy z tych sygnałów cofa daną klasę o jeden etap zaufania.
Czy pytanie „czy człowiek przeczytał kod?” jest właściwe w review?
Zespół Claude Code w Anthropic nazywa je niedokładnym wskaźnikiem zastępczym pytania „co może pójść nie tak w tej zmianie i które sprawdzenie, automatyczne czy ludzkie, jest właściwe, żeby to wyłapać?” (blog inżynierski, 15 października 2026). Zadawaj je przy każdej zmianie: nazwij, co może pójść nie tak, oraz sprawdzenie, które by to wyłapało, a człowieka wyślij do czytania tam, gdzie żadne sprawdzenie nie zadziała.
Czy zatwierdzenie na podstawie dowodów to to samo co merge bez review?
Nie. Merge bez review nie ma nikogo odpowiedzialnego ani śladu. Review dowodów ma wskazaną osobę zatwierdzającą, spisaną zmianę specyfikacji, sprawdzenia, które się wykonały, i klasę ryzyka, która zdecydowała, czy trzeba czytać kod.