Anthropic 怎么一天合并 3 万次代码改动
How Anthropic Merges 30,000 Code Changes a Day - Manish Kapur, Sonar & Addy Osmani, Anthropic
Anthropic 每天合并的代码改动，从 5 月的约 2500 次涨到了 3 万次，人已经不可能一行行看。Sonar 的 Manish Kapur 和 Anthropic 的 Addy Osmani 在 AI Engineer 大会上聊，这时候信心从哪来：让 Claude 先审，人查它拿出来的证据。
- 嘉宾
- Addy Osmani Anthropic
- 主持
- Manish Kapur
一图读懂
这期在回答
代码多到人看不过来，合并的信心从哪来？让 agent 拿出证据，人来查证据，每一圈循环都有独立的验证。
听完你能回答先想想，再看答案
到 2027 年底，大多数团队能用上熄灯工厂吗？
Addy 觉得不会全黑，而是亮灯工厂加上一些熄灯的角落。Manish 开玩笑说，Anthropic 今年或明年就能做到。
agent 写的代码要不要在 PR 里标出来？
两人都说要。Manish 看重审计，Addy 说标了能判断要加哪些检查，但改动还是要标明负责人：出了问题，得那个人去修。
今年该练什么？
管理者要想清楚验证意味着什么，以及离放心让 agent 自己判定还差多少；初级开发者要多积累各种测试的经验。
时间花在哪共 19 分钟
原话
“Fast to write is not fast to ship.”写得快，不等于交付得快。
听什么11 个要点 · 点时间从那里听
CircleCI 分析了 2800 万条 CI 工作流CI 工作流：代码提交后自动跑的一串构建和测试。CI 是持续集成的缩写。：吞吐量涨了约 59%，但每十次合并进生产的尝试有三次失败。
吞吐量上去了，合并却在失败 · 正在播
软件工厂软件工厂：Addy 的说法：大规模地驾驭循环，让 agent 反复规划、构建、检查和发布代码。分两种：亮灯工厂里人还在用判断和品味，熄灯工厂熄灯工厂：整条流程由 agent 自主运行，只有最特殊的例外才找人，就像关了灯也能开工的自动化车间。像机器人车间，人只管意图和最特殊的例外。
亮灯工厂和熄灯工厂 · 正在播
Addy 说，想要好产出，就得给 agent 一个验证工作是否正确的办法；做到了，质量轻松提高两到三倍。
写代码解决了，信心没有 · 正在播
Anthropic 每天合并的改动，从 5 月的约 2500 次涨到约 3 万次。
Anthropic 怎么审每天 3 万次改动 · 正在播
Claude 先审第一遍，还要像真实用户那样试一遍：端到端测试端到端测试：从头到尾模拟真实用户走完一遍流程，而不是只测某一段代码。、开浏览器、跑工具和 lint。
Anthropic 怎么审每天 3 万次改动 · 正在播
把团队认可的最佳实践和品味写进 CLAUDE.md、AGENTS.md，agent 审代码时才查得到。
Anthropic 怎么审每天 3 万次改动 · 正在播
人负责查 agent 拿出来的证据：比如它在浏览器里点来点去的视频，或者手机端和桌面端的截图。
Anthropic 怎么审每天 3 万次改动 · 正在播
光说「验证一下」不够。Anthropic 很依赖端到端测试、属性测试属性测试：不写具体的例子，而是写一条永远该成立的规则，让程序生成大量输入去验证。和视觉验证测试。
下一波收益从哪来 · 正在播
Sonar 的调查里，今天有 5% 的公司在用软件工厂，之后会到 34%，金融服务业是 39%。
下一波收益从哪来 · 正在播
Sonar 主张分三层验证：确定性检查抓 bug 和安全问题，agent 审逻辑和意图，第三层查供应链。Sonar 自己就做代码质量工具。
多层验证 · 正在播
企业最担心的是控制、权限和沙箱沙箱：把 agent 关在隔离的环境里运行，它就碰不到不该碰的系统和数据。：有的公司冒出几百上千个 agent，却不知道它们在干什么。
控制、权限和沙箱 · 正在播