[情報] Claude Code 的 Cat Wu、OpenCode 的 Dax Raad：code review 怎麼自動化、token 花多少、該招什麼人
適合在團隊裡推 coding agent、正煩惱 review 塞車、token 預算或招募標準的人。這是 Modal 辦的 Runtime 2026 座談，主持人是 swyx。〔0:06〕
一、先讓會用 AI 的一成人，把做法攤開給其他人看
Cat Wu 在 Anthropic 負責 Claude Code 的產品。她說合作的企業裡，大約一成的人真的會用 AI、生產力拉很高，另外九成還不確定怎麼用最划算。她的建議是製造場合讓那一成分享，像黑客松、全公司工程會議上 demo，或在 Slack 裡直接 tag Claude，讓大家在公開的地方工作。〔0:40〕
OpenCode 是開源的 coding agent，Dax Raad 是那邊的人。他的經驗是 agent 要有人花時間設定、接上各種工具才會變好用，但不會每個人都願意吃這個苦。如果一個人設定好、大家都能用，就會慢慢傳染整間公司。他們的做法是在 Slack 放一個跟團隊一起工作的 agent，有人把它接上語音生成，全公司就都多了這個能力。〔2:10〕
二、token 的錢，已經跟薪水同一個量級
Dax 說 OpenCode 只有 25 個人，token 花費大約是薪資的 1 到 2 倍，等於每個員工的成本變成以前的 2 到 3 倍。他們營收夠，所以不太影響財報；但利潤率低的傳統公司沒有這個空間，所以他們在想辦法把推論的價格壓下來。〔5:12〕 〔3:12〕
主持人 swyx 丟了一組他自己估的數字：一般人一個月在寫程式的 AI 上花約 20 美元，一般開發者約 200 美元，前沿實驗室員工約 2,000 到 5,000 美元。這是他的粗估，不是調查數字。〔3:25〕
Anthropic 內部沒有花費上限，但每週會寄報告給每個人，列出這週最貴的幾個任務，讓人自己檢查、自己修正。Cat 說這樣花費降了不少。〔4:12〕
- 每週寄給每個人一份「你最貴的任務」報告，讓大家自己看。
三、Anthropic 用過去的事故，回測自動 code review
開始內部推 Claude Code 之後，大家開的 PR 變成約 10 倍，資深工程師被 10 倍的 review 淹沒。〔6:30〕
他們先從各 repo 挑出真的需要修改意見的 PR，篩到「合併前一定要修」的那幾條意見，做成 eval，涵蓋 CLI、桌面版、聊天等主要產品，然後持續拉高分數，大約做了四個月。〔6:55〕
另一半是事故。他們每週開事故檢討，每次事故通常都追得到一兩個 PR。他們把這些 PR 加進 eval，回測新版 code review 有沒有抓到、準確率有沒有掉。跑了大約半年，多數 PR 的 code review 已經自動化。〔7:15〕
- 從過去造成事故的 PR 建一份 eval，每次事故檢討就補進去，回測你的自動 review。
四、OpenCode 不做 code review，誰寫的誰負責
Dax 說 OpenCode 本來就不做 code review，每個工程師自己負責自己的 code。他的看法是，以前大 PR 丟出去也只會換來一句「看起來沒問題」，大家都假裝讀過。〔8:17〕
他們現在的做法是跟 agent 對談：用經驗問它「這裡呢？那裡呢？」，掃一下 code 看有沒有明顯不對勁的地方。指出一點，agent 常會整個重寫一遍、順便修掉別的問題。他比喻成捏陶，一遍一遍修到看起來對，不是逐行挑毛病。〔9:19〕
Cat 補充，就算 code review 全自動，最後還是作者要為改動負責，即使後面是 Claude 蓋章放行。她用瑞士起司模型來講：每一層檢查都有洞，要盡量補，但作者的判斷是最後一層。〔10:00〕
五、半自動的流程，值得花功夫做到全自動
Cat 說很多自動化卡在半自動：Claude 做八成，人每天還在重複補剩下兩成。她要團隊意識到這種情況，投資把它做到全自動，就算要犧牲一些新功能的時間也值得。〔12:26〕
- 列出你每天還在手動補的那兩成，挑一個做到全自動。
六、遠端開發環境，要有一個人負責一路排除摩擦
Cat 說最重要的是公司裡要有一個人專心把遠端開發環境做好，一個一個拆掉摩擦點。工程師都喜歡在本機開發，一開始搬到遠端會收到上千個抱怨。等它順了，自動化就能跑、能跑測試，不寫程式的人也能在 Slack tag agent 直接開 PR。〔13:26〕
Dax 舉了一個例子：他們在做 iOS app，有人自己花時間讓 agent 能 SSH 進一台 macOS 機器、跑 app 並錄影，隔天大家就在回覆裡收到新功能的影片。一個人花的時間，全隊一起受益。〔16:32〕
swyx 補充，大概 50 到 100 人的規模，就值得有人專門負責讓其他人跑得更快。〔17:32〕
- 指定一個人負責遠端開發環境，讓 agent 能裝好工具、跑完測試。
七、終端機用的人太多了，預設該是桌面或網頁
Claude Code 從 CLI 開始，因為最好下載、最好改。Cat 說後來有行銷同事在終端機裝 Claude Code，遇到一堆嚇人的彈出訊息；內部還有人寫了一份文件，列出大約 20 個彈窗，每隔一行就寫「別擔心，這是正常的」。她覺得這不能是大眾的使用體驗。〔18:33〕
她說前端工程師其實更喜歡桌面版，因為 Claude 能幫他們跑 app、給他們看畫面；很多新使用者也更想在文件、投影片這類成品裡看結果。〔19:38〕
Dax 說 OpenCode 一開始就做成伺服器加多個客戶端，終端機只是其中一個。他覺得現在用終端機的人太多了；OpenCode 目前三分之二的月活躍使用者還在終端機，三分之一在網頁和桌面，後者成長比較快。〔20:50〕 〔22:15〕
八、到處都能下指令，但 session 要在每個地方都看得到
swyx 問：終端機、桌面、Slack、iMessage，到底該在哪裡用 agent？Cat 說他們的方向是使用者在哪就去哪，但不管從哪裡開的 session，在其他地方都要看得到；目前還沒有百分之百做到。〔22:50〕
Dax 說 OpenCode 不需要登入，是跑在你自己機器上的 app，所以要做到跨裝置接續 session，又不強迫你用他們的後端，會比較複雜，進度也比別人慢一點。他們過去半年專心把基本元件做好，再組成各種形式試試看，他預期很多會被淘汰。〔24:00〕
九、模型還不擅長第一原理推理和架構決策
Cat 說新一代模型主打 token 效率、成本和寫作品質。還要加強的是第一原理推理：寫文件時還不夠懂商業脈絡，講不完整一個決策的理由。寫程式這邊是架構決策，自動 code review 沒辦法放行的改動，通常就是大的架構決策。〔26:10〕
Dax 說他九成的心力花在決定該做什麼。現在能做的事太多，大部分是壞主意，篩選還是人的工作。他們做的是給別人在上面開發的產品，API 一出去就收不回來，所以遇到新設計，會兩個人一起在 Slack 上「圍攻」bot，把各種做法都推一遍，比以前只能挑第二個想到的方案有把握得多。〔27:47〕 〔28:49〕
十、模型夠便宜，才會被放進軟體裡
談到把模型放進軟體裡面，而不是做在旁邊的聊天機器人，Dax 說這完全是成本問題。他的共同創辦人說，價格夠低的話，每個紅綠燈都可以跑一個模型做判斷；能不能讓模型看系統產生的每一行 log，擋住的也只是錢。〔30:49〕
Cat 說如果 computer use 便宜 100 倍，消費產品就終於能讓 agent 代替使用者操作整個介面。Dax 也提醒，參數量、能耗、記憶體都是物理限制，過去三四年已經擠出很多，下一個 100 倍從哪來還是問題。〔31:49〕 〔32:50〕
十一、招人改看產品判斷力
Cat 說以前最強的是「10 倍工程師」：PM 給一份詳細規格，他準時做完。現在 Anthropic 更想找有產品品味的人，不需要完整規格，願意花時間跟客戶聊，搞懂客戶為什麼要這個、其他客戶是不是也要。面試時會請人講自己曾經用技術判斷影響產品或商業策略的經驗。〔33:00〕 〔38:00〕
Dax 說每天都有人吵著要修問題，現在很容易每個 issue 都丟給 LLM 直接修；但工程師的工作是看出九個 issue 其實是同一個問題，做一件事一起解決。〔35:00〕
他也說 OpenCode 一直缺設計師：只在 Figma 工作的設計師，AI 沒有大幅放大他們的產出，所以總是跟不上。他們在找能自己動手做、有自己美感的 design engineer。開源專案每天湧進大量 PR，能從裡面找到真正有幫助的地方、做出有意義貢獻的人，常是他們最好的招募來源。〔36:00〕 〔38:40〕
十二、把野心放大，但別每個點子都做
Dax 說大家應該把野心放大。他們有個小小的 UX 問題，最後的解法是訓練一個小模型來分類情境，這在以前根本不可能說服任何人去做。但他也提醒，九成五的點子都很爛，別什麼都做。〔40:40〕
Cat 說他們的角色之一是示範「可能做到什麼」，例如一個工程師一個月就能做完、以前要一整隊人做半年的事。〔42:00〕
明天就能做的事
資料來源
- The future of software engineering｜Cat Wu, Dax Raad, Swyx, Runtime 2026（原始影片）｜Modal（YouTube）｜2026
※ 影片說明沒有附其他連結，所以來源只列原片。逐字稿以 Whisper（medium.en）轉寫 YouTube 原音，對照頻道上傳的英文字幕（en）和 en-orig 校正。〔時間〕連結會跳到原片對應段落。文中金額和比例都是講者口述，沒有另外查證。本文為非官方整理，以原影片為準。