Anthropic 在 2026 年 7 月 6 日发布 Alberta 政府案例，内容很具体：Alberta Ministry of Technology and Innovation 使用 Claude Code，配合 Opus 和 Sonnet models，审查政府系统、找出 cybersecurity vulnerabilities，并协助修补。这不是一般「AI 帮手写 code」示范，而是政府级 legacy systems security review。
最抢眼的数字，是团队在约 20 小时内扫描 4.66 亿行程序码。Anthropic 指出，Alberta 管理约 1,280 个 applications 和 3,400 个 code repositories，涵盖多个省级部门。这些系统处理敏感资料，也累积了大量技术债。用传统方式全面审查，估计可能需要多年。
Alberta 的做法不是把全部判断交给单一黑箱 agent。文章提到，约 50 个 agents 以 parallel 方式运作，Claude Code 先用 rules engine 扫描已知模式，再由模型检视 flags，并引用具体 file 和 line 让 developers 验证。这个设计很重要，因为安全工作需要可追踪证据，而不是只有一段笼统建议。
修补流程同样值得留意。当 Claude Code 找到 vulnerability，它可以生成 fix、写 tests、build，甚至在缺乏自动测试时先补 tests。对老旧系统而言，这点特别关键，因为很多 legacy code 最大问题不是没有修法，而是没有足够测试去证明修补安全。
文章也提到 Alberta 建立了持续安全 review agents，包括类似 red team 的外部攻击分析、blue team 防御评估、code quality 检查和 public-facing writing clarity 检查。每个 application 会按约 95 个 security controls 做重复检查。这反映 cybersecurity agent 的价值不只是一次性扫描，而是把 review 放进开发生命周期。
这个案例的启示很清楚：AI coding agents 正由开发者 productivity 工具，进入公共部门、critical services 和高风险系统维护。企业和政府采用时不能只看速度，也要看 evidence trail、human approval、tests、policy controls 和分阶段部署。真正成熟的模式，是让 AI 加快发现和修补，但仍由工程团队负责验证、批准和交付。
