Paul Jialiang Wu agentic-portfolio English Español 한국어 日本語✉️ 免费订阅列表
← 返回作品集

AI 原生系列 · ANDON · 智能体化 PR 审查与 CI/CD · 第 1/5 集

PR 洪水是量出来的,不是凭感觉

智能体化 PR 审查与 CI/CD,第一集。自 coding agent 出现后,GitHub 上合并的 pull request 数量已翻了三倍多;在唯一一家自我量化的企业里,人类审查成了瓶颈;而就在本月,AI 被允许计入必需批准人。本集用数据、样本量和时间点量化这场洪水,梳理过去三十天的关键变化,并用连问五次“为什么”解释,为什么机器闸门必须排在任何审查者(无论人还是模型)之前。

作者 Paul Jialiang Wu · futuremake.io · 2026-09-09 · 第 1/5 集

Cover: white ground with a black left rail. Eyebrow ANDON · AGENTIC PR REVIEW & CI/CD · EPISODE 1 OF 5 · THE PR FLOOD above the serif title The PR Flood Is Measured, Not Felt, two grey lines: Merged PRs tripled as agents arrived. Human review became the narrow pipe. Episode 1: the numbers, what changed this month, and the machine gate first. Three grey cards: WHAT IT IS, a 5-episode series, A·N·D·O·N, 4 horizons, about 140 verified sources, 1 live repo; WHO IT IS FOR, maintainers behind on PRs, engineers, founders, the curious student; WHAT YOU LEAVE WITH, 10 gates as a contract, plus the 5 Whys behind each choice. A black band: THE ONE FINDING · ONE ENTERPRISE, 802 DEVELOPERS, 196,212 PRs, JAN 2024 → APR 2026 — throughput 2.09×, human review coverage 89% → 68%. Faster than humans can review. GitHub's answer, 2026-09-01: an AI may now count as a required approver.
唯一的发现及其范围:一家企业,802 名开发者,196,212 个 pull request,2024 年 1 月至 2026 年 4 月。

1 分钟速览 —— 你将获得什么

这是什么。 ANDON 第一集,ANDON,一套五集的智能体化 PR 审查与 CI/CD 系列,基于四重时间视角(30 天、30 个月、30 年、300 年)调研后撰写,并在真实仓库中实际构建闸门。本集聚焦 PR 洪水本身:有多大、在哪里被量化、过去一个月发生了哪些变化,以及为何第一道闸门必须是没有主观判断的机器。PR洪水 本身:到底有多大、在哪些地方被量化、过去一个月发生了哪些变化,以及为什么第一个闸门必须是一个没有主观判断的机器。

为什么这事重要。 对工程师来说:瓶颈已经从写代码转向了评判代码,而现在负责评判的工具也被允许按下 merge 按钮。对创始人来说:评审产能决定了你能放出多少 agent,这个数字你只需五分钟就能从自己的仓库里查到。对学生来说:这就是“约束转移”在数据里的样子,而最早的答案是一对 1821 年的铁质塞规。

读完你能做什么。 用三条命令量化你自己的洪水,看看十个机器闸门里还缺哪几个,然后用下方的 30 分钟合约把它们装上。再读第 2 到第 5 集,了解让 AI 评审员值得信任的四条规则:永不沉默、规则以数据形式存储、只在限定路径范围内、必须有负面测试。

ANDON — 系列脉络
  1. A · 评估——PR 洪水是量出来的,不是凭感觉 本集
  2. N·永不沉默——给仓库装上 Jidoka 第 2 集
  3. D · Data, not prose——不会漂移的规则 第 3 集
  4. O · Only in the envelope——爆炸半径是一份路径清单 第 4 集
  5. N · 负向测试 —— 闸门必须先报红,才能上线 第 5 集

本系列讲什么,以及为什么 PR 洪水是第 1 集

agent 会打开 pull request,数量极多。一个原本每周只有几个人类 PR 的仓库,现在每周能收到 Copilot 的 coding agent、Codex、Claude Code、Cursor 和 Devin 发来的几十个 PR,每个都彬彬有礼、看起来靠谱,只等人来点头。这一系列讲的是这些 PR 和主分支之间的那些环节:机器闸门、AI 评审员、merge queue,以及唯一应该保留给人的那个决策。写给进度落后的维护者、决定自动化什么的工程师、决定信任什么的创始人,以及想在真实数据里看到约束转移的学生。

系列名来自丰田的安灯拉绳。在丰田产线,任何工人都可以拉安灯绳让生产停下来,只要有问题,而且这根绳子之所以被信任,就是因为它经常被拉。ANDON 这五个字母分别代表五条规则,每条一集,都已在我参与共建的一个私有制造业质量管理仓库中实际落地,这些闸门就是本系列研究时安装进去的:A先用数据量化洪水,再选择闸门;N永不沉默,无法运行的闸门必须在 PR 上明确说明;D规则以数据形式存储,集中在一个文件里并做漂移检查;OAI 只能在预设路径包络内触发合并;N负面测试:在信任绿灯之前,必须先主动触发一次红灯。

之所以把洪水作为第 1 集,是因为后续所有决策都依赖于它的规模。为每周 5 个 PR 设计的闸门,和为每周 50 个 PR 设计的,完全是两种东西。研究还给出了一个具体理由,提醒我们不要轻信直觉:在案头唯一一项针对有经验开发者的 AI 编码工具随机对照试验中,参与者自认为工具让他们快了约 20%,实际测量却慢了 19%。主观感受不是数据。因此本集先讲数字,明确样本量和时间点,再说那 30 天如何改变了 merge 按钮,然后是一张贯穿全系列的图,接着是实际案例,最后用连问五次“为什么”解释为什么机器闸门必须优先设置。

洪水有多大:关键数据

存在三类数据,而且它们彼此并不一致,这本身就是一个重要发现。平台统计、企业内部实地研究和受控实验,各自衡量的维度不同,因此表格中特别注明了各自的适用范围。

测量项数值范围与时间
GitHub 每月合并的 pull request 数~25M → >90M(3.6 倍)平台整体,2023 年 1 月至 2026 年年中,GitHub 官方博客,2026-06-18 [1]
一年内合并的 pull request 数518.7M (+29%)Octoverse 2025,2025-10-28;仅 Copilot coding agent 在前五个月就发起了 100 万个 PR [2]
某公司每周合并的全 agent 编写 PR 数>1,000Stripe,2026-02-09;人工审核,"no human-written code"(中译:无人工编写代码)[3]
“2×” 指标下的人均吞吐量2.09×同一企业,802 名开发者,196,212 个 PR,2024 年 1 月至 2026 年 4 月 [4]
同一研究中,至少有一次人工审核的 PR 占比89% → 68%同一企业;同期 AI 审查覆盖率从约 19% 升至 84% [4]
采用 CLI coding agent 后的人均合并 PR 数+24%数万名微软工程师,观察性数据,2026-07-01 [5]
用 AI 工具完成任务所需时间(随机对照试验)−19%(更慢);开发者自认为约 +20%16 位有经验的开源开发者,246 个任务,2025 年初;2026 年 2 月复测新手为 −4%,区间很宽,作者因选择效应调整了实验设计 [6, 7]
检测到 coding agent 痕迹的项目22–29%128,018 个 GitHub 项目,2026-01-26 [8]
按 agent 分类的 agent PR 接受率68–80%7,156 个 PR:Codex 79.9%,Cursor 74.4%,Claude Code 72.6%,Devin 和 Copilot 68.0%,2026-02-09 [9]
描述与代码不符的 agent PR 占比1.7% 的 PR 存在高度不一致;这类 PR 的合并率为 28.3%,而一致的为 80.0%,且耗时是后者的 3.5 倍23,247 个 agent PR,2026-01-08 [10]
有两个 agent 在同一批重叠 PR 上活跃的仓库40.2%;跨 agent 冲突率为 41.7%,单一 agent 内为 19.8%33,596 个 agent PR,2,807 个仓库,2026-07-06 [11]
主分支损坏率:AI 辅助与非 AI 辅助对比1.9% vs 4.4%200,000+ 次合并,477 个组织启用 merge queue,2026-07-27;94% 的队列每次只处理一个 PR [12]

这张表更像是趋势概貌,而不是定论。平台整体的合并量三年间翻了三倍,那家认真自测的企业内部也翻了一倍。与此同时,该企业人类实际审查的占比下降了五分之一,而模型审查的占比则从五分之一跃升至大多数。agent PR 按 agent 和任务分层后,接受率大致与人类持平,但失败的 PR 往往更大、涉及文件更多、CI 挂掉,或者描述和 diff 不符。至于这些变化是否让个人开发者更快,受控实验的证据依然扑朔迷离:随机对照试验反而测出变慢,作者后来也承认,设计无法应对开发者拒绝不用 AI 的分组。

企业级的数据才是维护者切身能感受到的。CodeRabbit 在 2026-08-26 宣布为开源仓库提供一千万美元免费审查时,用一句话点明了现状:

"AI has completely collapsed the cost of producing a contribution, shifting the great bottleneck of software development from generating code, to judging it."(中译:AI 已经将产出贡献的成本彻底压缩,软件开发的最大瓶颈从写代码转移到了评判代码上。)
—— CodeRabbit,2026-08-26 [13]

curl 的维护者从接收端同样观测到了这一现象:2025 年的安全漏洞提交中,约 20% 是 AI 生成的低质量内容,只有约 5% 属于有效报告。2026 年 1 月,该项目在有效报告率跌破 5% 后,终止了漏洞赏金计划 [14, 15].

过去三十天发生了什么

研究窗口截止于 2026-09-09,而前一个月,merge 按钮本身迎来了变革。

综合来看:写代码的工具现在可以评审、批准、修复检查并完成合并,是否允许完全取决于仓库设置。这让设置本身成为设计,后面四集讲的就是这个。

一图串联五集:厨房的三道关

一道菜要从正规的厨房端出,必须经过三道关,这三关不是谁更严格,而是性质不同。第一关是秤、温度计和点单核查:它们没有主观判断,重量不达标,不管谁做的都不能出。第二关,副厨尝一口,写下备注:“第三勺盐偏重,是否出菜由你决定”,备注明确指出是哪一勺。第三关,主厨看备注、尝那一口,决定是否放行。冷前菜只要副厨尝过就能上桌,调料错了重做即可,无需退款;热菜则必须等主厨最终确认。

厨房代码仓库本集
秤:无主观判断,重量不达标绝不放行机器闸门 G1 到 G10:每条写入路径都要有租户过滤和权限校验,无秘密结构,模型变更必须配套迁移,每个 id 列都是外键,双语文档同步,测试、黄金用例、溯源、规模,每个 gate 都必须能变红第 1 集和第 5 集
厨房自带的停工机制:弹簧断了搅拌机自动停,厨师会说“秤坏了”而不是凭猜测操作无法运行的 gate 或 reviewer 会在 PR 上贴“unmeasured”;响应时间 bot 不依赖任何人记得去看2
所有人都能统一解读的菜谱卡规则集中以数据形式存储于单一文件,自动生成文档和评审提示,并在 CI 中做防漂移校验3
冷菜经副厨品尝即可出餐,无需主厨终审;热菜则必须主厨亲自把关AI 只能在其未自行选择的路径范围内触发合并,且仅作为五个条件之一;应用代码、数据库迁移和 CI 永远不在此范围内4
上菜前用已知重量校准秤,确保读数准确无误每道闸门都内置自测,能在植入缺陷时失败;只有在已知有缺陷的 PR 上成功变红,评审才算真正生效5
Table titled THE SERIES SPINE · FOUR HORIZONS · WHAT EACH ONE SETTLED ABOUT GATES with columns HORIZON, LANDMARKS (VERIFIED), THE PRINCIPLE A 2026 GATE INHERITS. Rows: 300 years (1785 to 2009): Blanc's 50 locks, the 1821 Ordnance bore plugs one to pass the other not to enter, the 1896 Toyoda loom that stops itself, the 1924 Shewhart control-chart memo, the 1950 andon cord, 1956 Western Electric rules, the 2009 WHO checklist; principle: go or no-go, never looks fine, the machine halts itself, anyone may pull the cord, rules written so two people read the chart the same way. 30 years (1999 to 2023): Beck and Fowler daily integration, Bacchelli and Bird 2013, bors, McIntosh 2014, Micco 2017 84 percent flakes, Google 2018 24 lines under 4 hours, SLSA and sigstore 2021, merge queue 2023; principle: small, fast, always-green main, test the merge result, separate flake from fault, a green build is not provenance. 30 months (2024-03 to 2026-08): Devin, Copilot agent, Octoverse 518.7M PRs, GitHub 25M to 90M per month, Stripe 1,000 agent PRs per week, enterprise 2.09x with human review 89 to 68 percent, agent PRs merge 68 to 80 percent, mis-described PRs merge at 28 percent, kernel humans sign; principle: the bottleneck moved to judging, provenance is a trailer nobody checks, no one formalised a review SLA, the merge queue is next. 30 days (2026-08-09 to 09-09), boxed in black: 09-01 Copilot can approve, 09-02 Agent Merge, 08-12 CodeRabbit 143M, 09-07 policy census 83.3 permit 48.8 disclose 14.9 forbid; principle: the AI reaches the merge button, whether it may press it is a repository setting, so the setting is the design. Footer: every landmark is in the series dossier with a verification status.
系列主线。每个里程碑在资料库中都带有验证状态:1821 年的塞规和 1896 年的织机分别归于第 5 集和第 2 集,2013 年和 2018 年的评审研究属于第 3 集,最后一行则是本集内容。

此处列出旧的里程碑,是为了确保图表所述与正文完全一致。Blanc 于 1785 年当众拆解并随机重组了五十把燧发枪锁,全部重新组装成功 [38]。Google 2018 年对约九百万次评审变更的研究发现,中位修改 24 行代码,完整评审的中位等待时间不到四小时 [39]。McIntosh 等人在 2014 年发现,评审覆盖率和参与度低会导致每个组件多出 2 到 5 个发布后缺陷 [40]。Micco 2017 年报告,Google 84% 的通过转失败都源于不稳定测试 [41]。SLSA 和 sigstore 于 2021 年作为对 SolarWinds 事件的应对而诞生 [42]。世卫组织 2009 年的手术清单试验将八家医院的死亡率从 1.5% 降至 0.8% [43]。图中剩余的里程碑:Beck 于 1999 年提出持续集成作为极限编程实践,Fowler 于 2000 年给出权威定义,规则是“没有人有比修复构建更优先的任务” [44, 45]; Rust 项目的 bors bot 自 2013 年起测试的是合并结果而非分支,GitHub 于 2023 年 7 月将 merge queue 升级为一等功能 [46, 47]; Devin 于 2024 年 3 月发布,GitHub 的 Copilot coding agent 于 2025 年 5 月进入公开预览 [48, 49]; Shewhart 提出控制图的备忘录日期为 1924 年 5 月 16 日 [50]。每个里程碑都会在其所属的集数中重现。

实战案例:2026-09-09 的一个仓库

该仓库是一套工厂用的质量管理系统,每一条记录都可能在客户审计中被抽查为证据,合并缺陷意味着伪造记录而非普通 bug。维护者只有两人:一位领域联合创始人和我本人,我的大部分贡献都是由我主导的 AI 会话生成。本集研究结束那天早上,我用任何人都能运行的三条命令读出了仓库的数据,发现它们的分布与文献一致,只是规模缩小了十分之一。

Diagram titled ONE PRIVATE REPOSITORY, READ ON 2026-09-09 · THE FLOOD AT SMALL SCALE. Left card, WHAT THE NUMBERS SAID: 39 merged PRs, 30 authored by an AI session; 0 reviews on any of those 30; 9 co-founder PRs, all merged in one batch after 4 to 8 days; largest PR +16,739 / −12,330, 41 files; 3 PRs open 57 hours with zero maintainer response; 0 of 6 gate scripts had ever been made to go red on purpose; 1 budget quota-exhausted alarm, actually a cancelled job; CI minutes used this month 352 of 2,000. Right card, THE MACHINE GATES (PASS 1 · THE SCALE): G1 tenant filter and permission on every write route, G2 no secret shapes, G3 model change implies migration, G4 every id column declares a foreign key, G5 bilingual docs together, G6 tests green and G7 golden cases reproduce, G8 provenance, G9 size, G10 every gate can go red; note: G8 to G10 were added by this episode's research; red greys the merge button once branch protection is on. Black band: THE SAME SHAPE AS THE LITERATURE, ONE ORDER OF MAGNITUDE SMALLER — agent throughput up, human review not happening, gates never proven, alarms mis-fired; enterprise 2.09x and 89 to 68 percent, this repo 30 of 39 agent PRs and 0 of 30 reviewed, same curve.
用脚本从仓库读取数据,而不是凭印象。三条命令见下方合约。

本系列背后的资料库收录了约 140 个来源,每条都标注了“已获取”“检索验证”或“未验证”。该仓库当天的数据:39 个合并 PR,最大的是一次 UI 重构,涉及 41 个文件,+16,739 行、-12,330 行;本月 2,000 CI 分钟已用 352。39 个合并 PR 中有 30 个由 AI 会话生成,且这 30 个都没有评审,因为唯一能评审的人就是指导 agent 的那位。联合创始人的 9 个 PR 等了 4 到 8 天,最后在同一天下午合并。他新开的 3 个 PR 已经挂了 57 小时,没人响应。6 个 gate 脚本都从未被故意触发失败;第七道 gate 是测试套件本身,不是脚本。监控 CI 分钟预算的脚本曾对一个作业发出“配额耗尽”警报,结果只是并发取消,警报时点距作业仅 9 秒。

最后这句话值得记住。误报的检测器比没有还糟,因为下次警报会被忽略,而这个仓库已经在 8 月下旬(2026-08-21 至 08-30,日志自证共 11 天)因 Actions 分钟耗尽导致 CI 默默挂死,没人关注警报,损失了大半个月。第 5 集专讲这事,第 2 集讲那 57 小时。本集关注图右侧的 7 道 gate,研究又新增了 3 道:一是 provenance gate,因为文献显示私有合并仅 14.4% 带 AI 标记,而仓库只靠没人查的约定;二是 size gate,给 agent 辅助 PR 设下限,因为失败的往往是大 PR;三是自测合约,因为 6 个 gate 脚本从未变红。

连问五次“为什么”:为何机器闸门必须优先设置

本系列的特色,是同一个问题连问五遍,直到答案从个人偏好变成机制。以下是第 1 集的五问:为什么第一道把关必须是没有主观意见的机器,而不是任何评审。

#为什么?原因证据
1为什么不能让 AI 审查员直接作为闸门?因为模型对 diff 的判断本质上是概率性的,而一旦合并条件可以被争论,贡献者就会去争论。秤不会和你讨价还价。自动化审查工具在真实 PR 上“表现不佳”,更擅长发现功能性错误而非设计问题;某工业级审查工具有 26.7% 的评论在合并时已过时 [31, 32]
2为什么机器闸门必须专门覆盖租户隔离、密钥、迁移和外键?因为这些失误会在质量系统中导致虚假记录,而虚假记录是审计中唯一无法被原谅的缺陷。这些问题也完全可以用脚本判定。仓库自己的规则,以及 1821 年的经典案例:通孔塞要么合格,要么不合格 [33]
3为什么闸门的结果要原样附在 AI 摘要里,而不是再判一遍?因为对已定结论的重复判断就是噪音,而噪音正是让人不再读摘要的原因。人类审查员的注意力应该花在理解上,而不是重复“称重”。Bacchelli 和 Bird,ICSE 2013:评审“比预期更少关注缺陷”,更多关注理解 [34]
4为什么规则必须以数据形式写下来?因为如果没有以数据形式明确记录,两个审查员看同一张表也会得出不同结论——这正是 Western Electric 在 1956 年通过发布运行规则解决的问题。Western Electric rules: "to ensure that line workers and engineers interpret control charts in a uniform way"(中译:确保一线工人与工程师对控制图的解读一致) [35]; 详见第 3 集
5为什么闸门必须被故意触发一次失败才算生效?因为一个从没变红的闸门和一个只会亮绿灯的装饰品没区别,而这个仓库一个月内就有三个这样的例子:一个没装就静默跳过的 linter,一个文档里写着存在但实际不存在的 PR 模板机器人,以及 8 月底那几天静默挂掉的 CI。织机之所以值得信任,是因为它真的会停下来。丰田官方对 1896 年纬纱断线停工和 1950 年 andon 绳的记载 [36, 37]; 详见第 5 集

核心观点,简而言之:合并条件必须是无法被争论的,这就意味着交给机器执行,意味着规则必须写下来,并且机器必须有权说“不”。AI 审查员能做的所有增量,都只能建立在这个基础之上,绝不能取而代之。

30 分钟实操:把机器闸门层落成一份契约

三十分钟,是这份契约为读者在新仓库中完整复制一遍所预设的时间预算;并非我实际测量所得。实际案例中的七道原始闸门(六个脚本加测试套件)分几次完成;新增的三道闸门连同调研共用了一天。

要素规范说明
先做测量三条命令,五分钟内完成:列出已合并 PR 的作者、合并者、规模和评审次数;列出未合并 PR 的存续时长和标签;列出最近六十次 CI 运行及其结论。在调整任何闸门前,先把这些数字和日期记录下来。
输入项与 merge base 的 diff;变更文件列表;提交信息(用于 trailers);PR 正文(用于粘贴证据)。
基础七道闸门G1 每条写入路径都需有租户过滤和权限校验(AST 级别,不是 grep);G2 新增行不得包含任何秘密结构,需报告位置但绝不显示值;G3 若模型变更但同一 PR 内无迁移脚本则直接阻断;G4 每个*_id列都需声明外键或给出合理豁免理由;G5 双语文档需同步变更;G6 测试套件;G7 黄金用例库,所有确定性函数必须能复现标准输出。
洪水新增三道闸门G8 provenance:带 AI 协作者标记的提交必须同时携带会话或工具的溯源信息,bot 永远不能 sign off,agent 协助的 PR 必须粘贴其验证输出;G9 size:有效行数超过数据驱动阈值直接阻断,agent 协助 PR 有更低下限,lockfiles 不计入;G10 自测:每道闸门都需暴露一个能在植入缺陷时失败的标志,runner 检查到任何闸门缺失此标志就让 CI 失败。
不变式闸门变红时,分支保护下 merge 按钮会被禁用。任何闸门都不得静默跳过:缺工具、缺密钥或异常都算红灯,绝不算绿灯。
停止规则每次 push 跑一遍所有闸门。闸门内部不重试;不稳定的结果视为闸门自身缺陷,需修复,而不是循环重试的理由。
阈值数据化一个 JSON 文件:400 行预警,3,000 行阻断,agent 协助 1,500 行阻断,60 个文件阻断。更改阈值即为一次 PR。
有意留白本层完全不涉及 AI。尚无不稳定测试的隔离区。merge queue 需等方案支持分支保护后再上。每项都是后续章节或方案决策,不是契约的缺口。
# Measure first (five minutes, any repo)
gh pr list --state merged --limit 100 --json number,author,mergedBy,additions,deletions,changedFiles,reviews
gh pr list --state open   --json number,createdAt,author,labels,reviews
gh run list --limit 60    --json conclusion,createdAt,updatedAt

# Then the gate layer, one command locally == CI
make gate    # lint · tenant-perm · graph · pr-ready(P1..P6) · selftest · migration · tests · eval

同一故事,五种视角

读者唯一决策唯一行动
学生瓶颈已从写代码转向评判代码;学会如何判断。每天在一个公开仓库里阅读一条 agent PR,在查看评审前,先写下你认为它是否应该合并,以及理由。
工程师先用数据量化洪水,再决定要加哪道闸门。今天就在你的仓库里运行上面那三个命令,把结果写进 README。
创始人决定你能放多少 agent 的不是模型质量,而是评审产能。问问上个月合并的 PR 里,有多少比例经过了人工评审,这个数字的变化趋势是否符合企业目标?
高管“An AI may approve” is now a setting; decide it on purpose.(中译:“AI 可以批准”现在是一个设置项;请有意识地做出决策。)在有人默认开启之前,先问清楚谁负责这个设置,以及 envelope 的范围是什么。
投资人资金已经流向了变更管理,而不是代码生成。让团队演示一道闸门如何故意变红;能做到这点的,才说明有流程。

模式、反模式与第一性原理

可行的模式。 设计前先有样本量和日期。机器层只做脚本能决定的事,且全部覆盖。闸门结果原样附在评审摘要里。阈值存于数据文件。每道闸门都带自检。

研究指出的反模式。 靠主观感觉判断洪水(随机对照实验的 20% 错觉)。让概率性评审者成为合并条件。依赖没人核查的 provenance 约定。把大 agent PR 当成人类大 PR 处理。警报触发在错误指纹上,最后被关闭。

简而言之的第一性原理。 在任何人或任何系统评判变更前,必须有一台没有主观意见的机器先称过分量,而且这台机器必须能说“不”。

实际操作

等到第 2 集发布时,案例仓库会首次用新上线的响应时间 bot 跑那三条 57 小时未响应的 PR,打上的标签会收录进资料库。如果没有打上,第 2 集会如实说明。

延伸阅读

第 1 集 ANDON · 智能体化 PR 审查与 CI/CD。每个数字都在其出现处标明了适用范围;厨房只是一个模型,并非真实数据。文中描述的闸门、规范和测试均存在于一个私有仓库,其结构已在合约中完整复刻,无需访问仓库本身。该集可能引用的四重视角 dossier 已记录于 portfolio 的 plans 目录。

参考文献

  1. GitHub,How pull request limits are cutting down the noise, 2026-06-18. github.blog
  2. GitHub,Octoverse 2025, 2025-10-28. github.blog
  3. Stripe,Minions: Stripe's one-shot, end-to-end coding agents, 2026-02-09. stripe.dev
  4. He, Agarwal, Denisov-Blanch, Azaletskiy, Koyejo, Vasilescu,AI Writes Faster Than Humans Can Review: A Longitudinal Study of an Enterprise 2x Mandate,arXiv:2607.01904,2026-07-02。arxiv.org—— 审核覆盖率数据为该研究原始结果;微软的配套研究见 [5].
  5. Murphy-Hill、Butler、Savelieva,Adoption and Impact of Command-Line AI Coding Agents,arXiv:2607.01418,2026-07-01。arxiv.org
  6. METR,Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, 2025-07-10. metr.org
  7. METR,We are Changing our Developer Productivity Experiment Design, 2026-02-24. metr.org
  8. Robbes、Matricon、Degueule、Hora、Zacchiroli,Agentic Much? Adoption of Coding Agents on GitHub,arXiv:2601.18341,2026-01-26。arxiv.org
  9. Pinna、Gong、Williams、Sarro,Comparing AI Coding Agents: A Task-Stratified Analysis of PR Acceptance,arXiv:2602.08915,2026-02-09。arxiv.org
  10. Gong、Pinna、Bian、Zhang,Analyzing Message-Code Inconsistency in Agent-Authored PRs,arXiv:2601.04886,2026-01-08。arxiv.org
  11. Xu、Subramanian、Karthik,AI Agent PRs on GitHub: Frequency, Structure, and Merge Conflict Rates,arXiv:2607.04697,2026-07-06。arxiv.org
  12. Mergify,State of Merge Queues 2026, 2026-07-27. mergify.com
  13. CodeRabbit,CodeRabbit commits more than $10 million to open source, 2026-08-26. coderabbit.ai
  14. Daniel Stenberg,Death by a thousand slops, 2025-07-14. daniel.haxx.se
  15. Daniel Stenberg,The end of the curl bug-bounty, 2026-01-26. daniel.haxx.se
  16. GitHub Changelog,Copilot code review can now approve pull requests, 2026-09-01. github.blog
  17. GitHub Changelog,Copilot code review: Resolution reasons and expanded capabilities, 2026-08-27. github.blog
  18. GitHub Changelog,GitHub Copilot weekly releases: August 31, 2026-09-04. github.blog
  19. Microsoft, Visual Studio Code 1.136, 2026-09-02. code.visualstudio.com
  20. Cursor, Cloud Agents and Cursor Harness Improvements, 2026-08-19. cursor.com
  21. GitHub Docs, Copilot code review(概念)。docs.github.com
  22. GitHub Changelog, Upcoming changes to GitHub Copilot policies and billing, 2026-08-28. github.blog
  23. Anthropic, Code Review,Claude Code 文档。code.claude.com
  24. Hora、Robbes、Zacchiroli,“We Permit the Use of AI, but […]”: The Landscape of AI Policies in Popular Open Source Projects,arXiv:2609.07542,2026-09-07。arxiv.org
  25. The Register,Debian votes to let contributors code with AI, 2026-08-30. theregister.com
  26. LWN.net,GCC 指导委员会发布 AI 政策, 2026-07-29. lwn.net
  27. Linux kernel 文档,在 Linux kernel 开发中使用 AI 编码助手. docs.kernel.org
  28. SiliconANGLE,CodeRabbit 获得 1.43 亿美元融资,助力企业应对 AI 生成代码的激增, 2026-08-12. siliconangle.com
  29. Qodo,更新内容,2.8(2026-08-16)与 2.9(2026-09-07)版本发布。docs.qodo.ai
  30. Mergify,Changelog,2026-08-12 至 2026-09-08 条目。docs.mergify.com
  31. Zeng 等,SWR-Bench:评估 LLM 在真实场景下代码评审评论生成的表现,arXiv:2509.01494。arxiv.org
  32. Sun 等,BitsAI-CR:LLM 驱动的自动化代码评审实践,arXiv:2501.15134,2025-01-25。arxiv.org
  33. Raber、Malone、Gordon、Cooper,Conservative Innovators and Military Small Arms: An Industrial History of the Springfield Armory, 1794–1968,U.S. National Park Service,1989/2006,第138页。npshistory.com
  34. Bacchelli、Bird,Expectations, Outcomes, and Challenges of Modern Code Review,ICSE 2013,作者稿。sback.it
  35. Western Electric rules, citing theStatistical Quality Control Handbook, 1956. en.wikipedia.org(二手资料;1956年手册原文未获取)
  36. Toyota Motor Corporation,Toyota Production System. global.toyota
  37. Toyota UK,TMUK's 25 Objects – Andon Cord, 2017-12-11. mag.toyota.co.uk
  38. Roser,230 Years of Interchangeable Parts – A Brief History,AllAboutLean,2015-07-08。allaboutlean.com
  39. Sadowski、Söderberg、Church、Sipko、Bacchelli,现代代码评审:Google 案例分析,ICSE-SEIP 2018,作者自存稿。sback.it
  40. McIntosh、Kamei、Adams、Hassan,代码评审覆盖率与参与度对软件质量的影响,MSR 2014。rebels.cs.uwaterloo.ca
  41. Micco,Google 持续集成测试现状,ICST 2017 大会主题演讲。aster.or.jp
  42. Google Security Blog,SLSA:端到端供应链完整性框架介绍, 2021-06-16. security.googleblog.com
  43. Harvard Gazette,外科手术安全核查表让死亡率和并发症降低超过三分之一,2009-01,报道 Haynes 等人,NEJM 360:491-9。news.harvard.edu
  44. Beck,极限编程实践:拥抱变化,Addison-Wesley,1999(目录记录)。books.google.com
  45. Fowler,持续集成,2000 年,2006 年与 2024 年修订。martinfowler.com
  46. Wilson,Rust infrastructure can be your infrastructure, 2015-03-17. huonw.github.io
  47. GitHub Changelog,Pull request merge queue is now generally available, 2023-07-12. github.blog
  48. Cognition,Introducing Devin, 2024-03-12. cognition.com
  49. GitHub Changelog,GitHub Copilot coding agent in public preview, 2025-05-19. github.blog
  50. Best,Neuhauser,Walter A Shewhart, 1924, and the Hawthorne factory,Quality & Safety in Health Care,2006 年。pmc.ncbi.nlm.nih.gov