Claude Opus 4.8 — Honesty и code review: примерно в 4 раза меньше незамеченных дефектов, harness из 6 шагов и effort xhigh

Сеньорам и OSS-мейнтейнерам не нужна модель, которая «звучит уверенно». Нужны ревью, которые отмечают слабые доказательства, не благословляют битые diff и показывают неопределённость до merge. В анонсе Claude Opus 4.8 — сдвиг Honesty: в оценках Opus 4.8 примерно в 4 раза реже, чем Opus 4.7, пропускает дефекты в своём коде без замечания — не ноль пропусков, но скачок «не пускать баги тихо».

Статья — практический harness code review: effort (high, xhigh), API claude-opus-4-8, system в Messages API и лестница из 6 шагов локально или на опциональном Mac mini. Сочетайте с GitHub Actions на арендованном Mac и batch workflow micro-apps.

Раскрытие: KvmZone только если изолированный арендованный Mac гоняет review без секретов ноутбука. Большая часть — на вашем железе.

Сноска: при запуске Anthropic указывала $5/M input, $25/M output; сверьте на сайте.

Почему честность важнее «helpful» в code review

Железо: спеки Mac mini при offload пакетов review на стационарный SSH-хост.

Что изменилось в Opus 4.8 для ревьюеров

Id модели API: claude-opus-4-8.

Архитектура: честный harness review

PR diff → линтеры → Opus 4.8 (xhigh) → обязательный блок «неопределённости» → merge человеком

Файлы и роли

Скелет prompt

You are a code reviewer. Rules:
1. Cite file:line for every defect claim.
2. Add an "Uncertainties" section listing what you could not verify from the diff alone.
3. If tests/logs are not provided, say "not verified" — do not infer pass.
4. Separate "blocking" vs "nit" with counts.

Матрица: effort, скорость, merge

Рекомендация: Diff с auth, деньгами или concurrency → xhigh + Uncertainties в PR. Только docs → high.

Runbook code review в 6 шагов

Step 1 — Закрепить toolchain

node -v          # если JS harness
git --version
# Подтвердить claude-opus-4-8 в CLI

Step 2 — Снять артефакты diff

git fetch origin
git diff origin/main...HEAD > /tmp/pr.diff
git log --oneline origin/main...HEAD > /tmp/pr.commits.txt

Порог: /tmp/pr.diff не пуст; commits совпадают с описанием PR.

Step 3 — Сначала детерминированные gates

npm run lint && npm test
# или go test ./..., cargo test и т.д.

Порог: exit 0 до модели.

Step 4 — Вызов Opus 4.8 с честным prompt

export REVIEW_MODEL=claude-opus-4-8
export REVIEW_EFFORT=xhigh
# CLI: /tmp/pr.diff + prompt → review.md

Секции: Blocking, Nits, Uncertainties, Suggested tests.

Step 5 — Вручную проверить claims «4× honesty»

Взять три случайных утверждения:

rg -n "claimed_function_name" src/
sed -n '120,140p' path/from/review.md

Два из трёх не проходят grep → снизить доверие, xhigh со строгим prompt.

Step 6 — Опубликовать артефакт review

Прикрепить review.md; URL CI. OSS: редактировать секреты — гигиена SSH.

Сценарий A — Только ноутбук

Когда: один repo, PR < 2k строк, секреты локально.

Шаги 1–6 на MacBook Pro. high по умолчанию; xhigh для release.

Сценарий B — Опциональный арендованный Mac для batch

Когда: 10+ SKU micro-apps из batch OpenClaw.

Арендованный Mac mini M4: чистая среда, стабильный launchd, отдельно от личного Keychain. Опционально — Honesty на стороне модели. Compare регионы на странице pricing.

Устранение неполадок

Модель всё ещё LGTM при битом diff

Motif : Тесты красные; review «looks good».

Correctif :

1. Вставить stderr тестов; запрет review без логов.
2. Поднять effort до xhigh.
3. System: «при падении тестов — только анализ сбоя».

Слишком длинный review без file:line

Motif : 2000 слов, ноль file:line.

Correctif :

1. Макс 10 пунктов с path:line.
2. Снизить effort для nits; xhigh только для blocking.

FAQ

Читать также

• Self-hosted Mac runner GitHub Actions
• Indie micro-app workflow
• SSH-first удалённый Mac