---
source_url: https://claude.dev/blog/how-the-claude-code-team-thinks-about-verification/
source_title: "How the Claude Code team thinks about verification"
source_site: "Anthropic"
source_published_at: 2026-11-16
hero_image: https://claude.dev/blog/how-the-claude-code-team-thinks-about-verification/og.png
tags: ai-coding,testing,code-review,verification,claude-code
generated_at: 2026-11-17T12:00:55.506Z
model: claude-haiku-5-5
---
# Claude Codeチームが考える検証：エージェントが自らの作業を確かめる仕組み

Anthropicの記事によると、Claude Codeチームは検証ループや自動テストを用いて、AIエージェントが自らの作業を検証できるようにしている。同記事は2026-11-16付で、E2Eテストやプロパティテスト、差分テストなどの仕組みを紹介している。

Anthropicの記事では、Claude Codeチームが検証をどのように進めているかが説明されている。記事によると、検証ループにはE2Eテスト、プロパティテスト、差分テスト、verifyスキル、信頼性チェックリスト、レビュアーの調整、コミットゲート、見逃しケースから導かれるルールが含まれる。

## 検証の仕組みと社内テスト

Claude Codeチームのコードは、大半が Claude によって作成・レビューされており、その割合は ~90% とされる。

社内テストでは、構造化されたファイル生成の場面で、rubricに基づいて別のgraderがClaudeの作業を確認する方式が検討された。この方式は、標準的なprompting loopと比べてタスク成功率を最大10ポイント向上させ、最大の改善は最も難しい問題で見られたという。

チームはリポジトリの `.claude/skills/` フォルダにverifyスキルを配置している。

## 信頼性チェックリストの運用

チームは39項目の信頼性チェックリストを維持しており、各項目には差分から読み取れるトリガーが付いている。Claudeは差分を読み、トリガーが一致した項目のみを確認する。通常確認されるのは3から10項目である。

記事では、見逃しケースに基づくルールについて「This (mostly) stops issues from happening again.」と記述されている。これは、同じ問題の再発を（大半は）防ぐとされる仕組みである。

ルールの候補化には次の条件が用いられる。

- 同じパターンが少なくとも two PRs に現れた場合に、潜在的なルールとみなす。
- three agents が候補ルールの反証を試みる。
- 既知のインシデントに関連するPRに対して three bug finders をリプレイし、two finders が同じバグを発見した場合に検出可能とみなす。

## コードレビューとコミットゲート

Code Reviewは、pull requestの変更ではなく、base またはdefault branchのREVIEW.mdを読み込む。指摘事項には Important、Nit、Pre-existing のタグが付けられる。

コミットゲートには off、observe、enforce の3つのモードがある。セッション中に /code-review または /verify が実行されていない場合、コミットをブロックすることがある。ブロックは一つのセッションで twice まで行われ、その後の次のコミットは通過する。

また、Claudeが three rounds を経てもチェックが失敗する場合は、作業を止めて人間を呼び出す。

不安定なテストについては、スキップ、sleep、リトライを行わない。根本原因が特定できない場合は、テストを削除し、その理由を記録する。

レビューの品質についても、差分を確認する仕組みがある。チームは、マージ後に取り消された変更、メンテナーがマージ前に却下した変更、規模を揃えたクリーンな変更の一部を追跡している。

記事には次の一文がある。

> 「Claude Code isn't perfect.」

## 筆者の見立て

- E2Eテストが効果的な理由は、機能全体が動くか動かないかのどちらかであるため、欺きにくいことにあると解釈している。
- 重いテストは、変更をコミットする前に導入するのが最も良いと論じている。
- 主たるレビュアーに加えて、より高コストな第二のレビュアーを追加するのは、主たるレビュアーを調整するよりも悪い方法になることが多いと論じている。
- 古いコミットに対する合格したレビューは意味がないと解釈している。
- 開発者の役割は全ての差分を読むことから、完了の基準を定めて証拠を確認することへ移り、それが多数のClaudeを同時に動かすことを可能にしていると示唆している。
- プロパティライブラリは、元のコードを作成したエージェントと同じバイアスなしに作られたエッジケースを使うため、エージェントを正直に保つ優れた方法だと論じている。
- Claude Codeは完璧ではないと論じている。

*この記事は元記事の事実のみに基づいて自動生成されました。*

## 出典

Anthropic「How the Claude Code team thinks about verification」https://claude.dev/blog/how-the-claude-code-team-thinks-about-verification/ (fast-check、Hypothesis、proptest、Code Review の報道による)
