Claude 值班：Claude Tag 是 Anthropic CI/CD 故障的第一响应者

晚上十点，值班工程师收到消息：新服务约 44 个测试没跑。过去要花约一小时排查，现在他直接 @Claude——Claude 发现测试消失与当天早上开的一个 feature flag 有关，判断回滚安全；同事回滚后，Claude 三分钟内在 Slack 确认 skip rules 已移除、错误率回到基线。这是 Anthropic CI 团队工程师 Sachin Malhotra 讲的第一人称故事：Claude Tag 已经是 Anthropic CI/CD 故障的第一响应者，近期所有有 situation report 的事故，首份报告都由 Claude 撰写。

怎么搭起来

骨干是 Claude Tag：在 on-call Slack 频道保持记忆、提供指令接口、实时响应频道事件，例程用自然语言调度（「每周一 9:00 跑 CI 交接」）。它有独立的 service account，能访问 Datadog、Grafana 等工具，由管理员一次性配置，同时监听相关频道获取警报、配置变更、PR 更新等上下文。

常设指令以 markdown skills 的形式存在 GitHub 仓库里，团队像管理代码一样迭代，里面有路由规则、策略，和一份会自我改进的 lessons.md。整体搭建耗时数小时而非数天；Anthropic 开源了 on-call setup kit（github.com/anthropics/oncall-kit），能把团队自己的事故历史转化成 triage playbook。起步需要 Claude Team/Enterprise 计划。

检测：告警是确定性的，升级带 agentic

两个人工时代的老问题被解决：一是人工难以设出完美的告警阈值（新服务数据不足时尤其如此）——Claude 会分析新服务头几天的数据并建议、微调规则；二是告警疲劳——Claude 按 oncall.md 里的标准逐条判定是立即 page 还是留到早上，比如「错误率超 2% 且持续超 5 分钟、又不是已知部署窗口才 page，否则记入 lessons.md」。

分诊：并行调查，14 分钟出首份分析

Claude 首份有证据支撑的分析中位耗时是事故开启后 14 分钟，最快 4 分钟就在首份报告里点名根因。机制是 dynamic workflow：orchestration agent 派生多个 executor subagents 并行调查各依赖和数据源（Grafana、日志存储、PagerDuty、GitHub、Kubernetes、Slack，都经 MCP 接入），结果汇总成 SITREP。

调查由 skills 指导，比如一份 617 行的 shadow divergence 调查 skill——就是作者和 Claude 一起排障之后，让 Claude 自己生成的。lessons.md 记录每次事故的起因、根因、修复和坑，Claude 自动追加，每次调查先读它，重复出现的模式会被提升进 skill。作者最喜欢的一条是 Claude 写他的教训：先查数据再理论——配置告诉你什么可能出错，指标告诉你什么真的出错了。Claude 不总是一次就对，人的直觉仍然重要，所以 Claude Tag 支持多人实时共同引导调查。

解决与收尾

多数部署在 feature flag 后面，作者另建了一个带他权限的 Claude Code agent 管渐进发布：管 canary 流量、监控、自动升降 flag。最常见的产出是修复 PR，交给 on-call 审查合并部署。修复后用同一套连接器验证，post-mortem 写入 lessons.md，交接 SITREP 自动生成。还有个叫 ci-weather 的 agent 向全公司公开频道发新闻式 CI 天气报告，别人不用再来问「CI 怎么了」。作者诚实地备注：报告格式迭代了很多次——Claude 能一次生成 skill，但可读性取决于团队的品味，毕竟那是人与人的沟通，不是管道工程。

效果

Anthropic 工程师平均每季度的代码产出是 2021-2025 年的 8 倍，而质量门槛没变：PR 有具名的人类 owner、变更需批准、统一 CI 门。作者的一句话概括了整套东西存在的理由：跟上 agentic coding 的唯一办法是 agentic CI。

本文编译转载自 Anthropic 官方博客 Claude on call: How Claude Tag serves as Anthropic's first responder for CI/CD failures，作者 Sachin Malhotra，发布于 2026 年 8 月 18 日。