Anthropic 在 2026 年 7 月 6 日發布 Alberta 政府案例，內容很具體：Alberta Ministry of Technology and Innovation 使用 Claude Code，配合 Opus 和 Sonnet models，審查政府系統、找出 cybersecurity vulnerabilities，並協助修補。這不是一般「AI 幫手寫 code」示範，而是政府級 legacy systems security review。
最搶眼的數字，是團隊在約 20 小時內掃描 4.66 億行程式碼。Anthropic 指出，Alberta 管理約 1,280 個 applications 和 3,400 個 code repositories，涵蓋多個省級部門。這些系統處理敏感資料，也累積了大量技術債。用傳統方式全面審查，估計可能需要多年。
Alberta 的做法不是把全部判斷交給單一黑箱 agent。文章提到，約 50 個 agents 以 parallel 方式運作，Claude Code 先用 rules engine 掃描已知模式，再由模型檢視 flags，並引用具體 file 和 line 讓 developers 驗證。這個設計很重要，因為安全工作需要可追蹤證據，而不是只有一段籠統建議。
修補流程同樣值得留意。當 Claude Code 找到 vulnerability，它可以生成 fix、寫 tests、build，甚至在缺乏自動測試時先補 tests。對老舊系統而言，這點特別關鍵，因為很多 legacy code 最大問題不是沒有修法，而是沒有足夠測試去證明修補安全。
文章亦提到 Alberta 建立了持續安全 review agents，包括類似 red team 的外部攻擊分析、blue team 防禦評估、code quality 檢查和 public-facing writing clarity 檢查。每個 application 會按約 95 個 security controls 做重複檢查。這反映 cybersecurity agent 的價值不只是一次性掃描，而是把 review 放進開發生命週期。
這個案例的啟示很清楚：AI coding agents 正由開發者 productivity 工具，進入公共部門、critical services 和高風險系統維護。企業和政府採用時不能只看速度，也要看 evidence trail、human approval、tests、policy controls 和分階段部署。真正成熟的模式，是讓 AI 加快發現和修補，但仍由工程團隊負責驗證、批准和交付。
