Đội ngũ Claude Code chia sẻ chiến lược kiểm thử cho agent viết code tự động

Đội ngũ Claude Code của Anthropic vừa công khai quy trình kiểm thử nội bộ giúp họ triển khai hàng trăm agent viết code cùng lúc mà vẫn đảm bảo chất lượng. Theo chia sẻ, khoảng 90% mã nguồn của dự án này được chính Claude viết và review, khiến việc trang bị khả năng tự xác thực cho agent trở thành yếu tố sống còn.
Nghiên cứu nội bộ cho thấy việc thêm một “grader” riêng biệt để chấm điểm đầu ra theo rubric cải thiện tỷ lệ thành công nhiệm vụ lên tới 10 điểm so với vòng lặp prompt thông thường, đặc biệt trên các bài toán khó. Các loại test được ưu tiên theo thứ tự: end-to-end (E2E) mô phỏng luồng người dùng thật, property-based test sinh hàng ngàn input biên để bắt lỗi logic, và differential test so sánh hành vi trước/sau thay đổi. Unit test tuy nhanh nhưng dễ lọt lỗi vì cả agent lẫn test đều không nắm trọn ngữ cảnh nghiệp vụ.
Một insight quan trọng: test lỏng lẻo (flaky) sẽ huấn luyện agent chạy lại test thay vì sửa code, test chậm làm giảm độ phủ và khó định vị bug. Do đó, team khuyên chạy test nặng trước khi commit. Để agent có “tay và mắt” trên hệ thống chạy thật, họ dùng skill khởi động, điều khiển, kiểm tra app qua CDP, simulator hoặc API harness. Feature map đóng vai trò vừa hướng dẫn vừa làm rubric chấm điểm từ góc nhìn người dùng.
Quy trình này minh chứng cho xu hướng “verification-driven development” — nơi agent không chỉ sinh code mà còn tự sinh test, benchmark, spec để chứng minh đúng đắn. Đối với cộng đồng dev Việt Nam, mô hình này gợi mở hướng xây dựng pipeline CI/CD cho agent: đầu tư test E2E vững chắc, tự động hóa property test cho logic phức tạp, và đóng vòng lặp phản hồi để agent học từ sai lầm. Khi chi phí xác thực giảm mạnh nhờ LLM sinh test, rào cản lớn nhất không còn là công cụ mà là kỷ luật engineering của chính team con người.
Bài được AI biên dịch và tóm tắt từ nguồn trên. Xem bài gốc để có đầy đủ thông tin.