it.xnews.jp
出典: Anthropic 原文公開: 2026-11-16 生成: 2026-11-17 読了 約 4 分 model: claude-haiku-5-5 原文: https://claude.dev/blog/how-the-claude-code-team-thinks-about-verification/ raw.md

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。

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

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)

この記事をシェア