Anthropic的Claude Code負責人Boris Cherny主張，AI生成的生產環境程式碼應比人類編寫的程式碼具備更高的品質標準。他強調Anthropic已實施多項防護機制，包括自動化測試、程式碼檢查（linting）與模糊測試（fuzzing），以確保程式碼的可維護性。 此觀點解決了採用程式碼代理（coding agents）時的一個關鍵營運挑戰，表明若缺乏嚴格的品質控制，僅靠原始生成是不夠的。這標誌著軟體工程領域的轉變，開發者正從單純的程式碼撰寫者轉變為AI機隊的經理人。 具體提到的措施包括由Claude驅動的端到端測試、每日運行的Claude模糊測試、自動化程式碼審查以及安全檢查。這些工具有助於防止技術債在AI生成的程式碼庫中累積。

事件背景

模糊測試（Fuzzing）是一種軟體測試技術，透過向程式提供無效、意外或隨機的輸入資料，來監測程式是否會崩潰或出現記憶體洩漏。端到端測試（End-to-end tests）用於驗證應用程式從頭到尾的完整工作流程，確保所有整合組件能正確協作。像Claude Code這樣的程式碼代理（Coding agents）是能夠在開發環境中自主撰寫、測試和除錯程式碼的AI工具。