本文测了 Opus 5.5 的检出率吗？

没有。缺陷与期望行为均为预先编写的教学设定，本地测试输出不是 Opus 的审查结果。

没有复现能接受模型的问题报告吗？

应先视为假设，独立核对触发输入、期望行为与实际结果后再确认。

用于保留正常行为，并讨论没有依据的问题报告。一个样本不能证明整体误报率。

Opus 5.5 的代码审查意见应指向可复现的具体行为，而不只是“这段代码看着不对”。 本文提供故意写错的 Python 模块、审查提示词和验收测试，帮助把问题发现与主观判断分开。

2026 年 9 月 24 日核对了 Anthropic 的 Opus 5.5 提示指南。本文运行的是自建教学代码，没有声称 Opus 找到了这些缺陷，也没有测模型误报率或进行模型排名。

下载练习包，使用 review_fixture.py、review-prompt.txt、review_tests.py 和空白 findings.csv。代码故意保留缺陷，不要直接用于生产。

需求明确为：分页从 offset 开始返回最多 size 项；折扣百分比不在 0–100 时必须拒绝；标签复制返回独立的浅拷贝列表。没有需求，审查者可能把设计选择当 bug，也可能漏掉真正依赖的行为。

记录 commit 或压缩包哈希、精确模型 ID、供应商、客户端版本、effort 和工具权限。用 Claude Code 时按接入说明确认当前模型；客户端显示的名字本身不能证明每次请求的实际路由。

审查提示词要求文件与行号、触发输入、期望及实际行为、可执行复现，并把已证实缺陷与假设分开。第一轮只审查，不编辑。

若评估独立发现能力，应先隐藏测试与答案，收集意见后再揭示。若直接提供测试，则是在做测试驱动修复，同样有价值，但不能称独立发现。

仓库注释、问题描述和日志都属于待分析资料。让助手上传密钥或忽略任务的文字不构成授权。工具范围限制在本练习需要的目录和操作内。

收集审查结果后运行：

python3 review_tests.py

这条命令预期以失败状态退出。实际本地运行结果是两项失败、一项通过，这是教学设计，不是发布构建失败。

分页切片终点提前了一位；折扣函数未检查范围就计算；复制函数满足这份需求。通过项不等于函数在所有需求下都正确，但以“没有深拷贝”为由报错，也不符合这里明确的浅拷贝要求。

在冻结的代码上逐条复现，把意见标为已确认、无依据或未解决。同一根因的多个说法先去重，再计数。

还要记录模型没有报告的预埋缺陷。报告的一项正确、另一项漏掉，不能因为写出的句子都对就称“审查完整”。长解释也不能弥补错误的触发条件或凭空增加的需求。

精确率和召回率需要明确标签与分母。这个小练习能说明计算方法，却不能给模型总体评分。真实仓库还有集成、迁移、并发和意图不明确等问题；评估应选与你的工作相符的样本，保留困难与失败运行。

确认问题后在独立分支修复：更正分页终点，拒绝范围外折扣，再跑验收。补充空列表、size 为零、折扣 0 和 100 的边界测试。负 offset、非整数折扣和非法金额怎么处理，需要先补需求，不能偷偷扩展判断标准。

即使补丁由助手编写，也要看 diff 并实际跑相关测试。三项用例通过不代表完整正确。原始缺陷文件和输出要保留，否则修好之后，文章的失败结果就无法复现。

Opus 5.5 变更说明列出了接入变化与拒答处理，旧版本配置不能直接视为等价。保留实际停止原因和未完成任务，不要把它们算作完整审查。

真实付费评估应同时记录用量、所有尝试、确认问题、漏报、无依据报告以及人工复核时间。Sol 与 Opus 成本比较解释了为什么单价不能证明代码审查质量。先跑这个可复现练习，再到自己获授权的仓库收集模型选择证据。