人工智能实验室持续内部使用，悄然发展

用简单的话来说 - The Pragmatic Engineer 对 Anthropic 工程的深入分析表明，该 AI 实验室正在进行“越来越多”的代码审查和测试，而两个披萨团队仍然非常活跃。比传闻中的惊喜少 - 这才是有趣的部分。

Contexte

The Pragmatic Engineer 于 2026 年 7 月 28 日发表了一篇关于 Anthropic 内部工程实践的“深入分析”。其兴趣点在于双重：Anthropic 是开发工具领域最广泛使用的 AI 模型的提供商（原生 Claude Code、通过 API 的 Cursor、Windsurf 等），并且是少数可靠来源之一，展示了“一个真正使用自身 LLM 进行狗食测试的组织是什么样子”。

Les données

该文章（newsletter.pragmaticengineer.com）报告了主要观点，由其作者总结如下：

• 通过 AI 进行的代码审查和测试越来越多。
• 两个披萨团队非常活跃 - 经典敏捷结构依然存在。
• 超越“纯研究实验室”的组织和流程细节。

Under the hood

“ever more”（越来越多）这个说法比看起来的更有趣：它表明采用是逐步和有度的，而不是激进的转变。Anthropic - 该模型的构建者 - 没有用代理替换其工程师，也没有取消人工代码审查：两层共存，AI 逐渐占据更多地盘。

Analyse

三个教训。Cadence（节奏）：内部 LLM 的采用是一个平滑过程，而不是一次性的大爆炸 - 这与 Google（Amplified Engineer）和 Shopify（AI mandate）保持一致。Structure（结构）：两个披萨团队之所以能够保持，是因为它们是一种组织形式，而不是技术形式 - AI 改变了开发的输出，而不是团队的最佳规模。Auto-dogfood（自动狗食测试）：Anthropic 向专业工程师销售 Claude Code；Anthropic 在内部使用（并改进）它，是对 OpenAI 的隐性护城河，后者的 Codex 堆栈是后来才被移植到 ChatGPT 上的（见 openai-super-app 线程）。

Scénarios (12 mois)

• 60 % - 其他 AI 实验室（OpenAI、Google DeepMind）在开发工具的透明度压力下，相继发布其内部实践。
• 25 % - Anthropic 的内部指标（审查时间、合并后的错误率）最终泄露。
• 15 % - 部分回退：在某些类别的代码（加密、安全、分布式系统）上重新引入人工监督。

Implications pour le praticien

对于一名工程主管：该文章提供了具体的参考，以向管理层证明 LLM 的采用 - Anthropic 没有打破其团队。对于一名架构师：不要重新定义您的结构以“迎接”AI；让它滑入现有角色。对于一名 CTO：真正的差异化因素，不是“哪种AI”，而是“在循环的哪个层面”（审查、测试、部署）。

À surveiller

TPE 系列的后续内容。专门的 Anthropic Engineering Blog 的发布。第一个公开的事故事后分析，其中 AI 可能遗漏了一个错误。