AI Engineer NYC 2026

How Anthropic Merges 30,000 Code Changes a Day

Manish Kapur(Sonar)、Addy Osmani(Anthropic) · Sonar × Anthropic

2026-10-28 · 19分钟 · 13 万次观看 · AI Engineer

Anthropic 每天合并的改动从约 2,500 涨到 30,000:Claude 先做首轮评审,并用测试和浏览器交互产出验证证据,人看证据;确定性分析、agent 评审、供应链检查各抓不同类型的问题;PR 标注 agent 作者,但永远有一个具名的人负责。

观看原视频 ↗

内容概要

现场几乎所有人上周都有 agent 开过 PR,但审过每一行的人很少。Kapur 引用 CircleCI 对 2800 万次 CI 工作流的分析:吞吐上升约 59%,但约三成的合并生产尝试失败。「亮灯工厂」里 agent 在规划、构建、检查、交付中反复帮忙,人在过程中施加判断;「熄灯工厂」里人集中在意图上,只在例外时介入。Osmani 讲 Anthropic 的做法:Claude 做首轮评审,能实际运行改动、操作浏览器,把证据交给人;团队规范提供评审标准。Sonar 主张在 agent 开发循环、CI 验证循环和持续维护中分别放置检查:确定性分析抓 SQL 注入、缓冲区溢出等,agent 评审看逻辑与意图,供应链检查看依赖。代码验证之外还要知道有多少 agent、能碰到什么、实际做了什么:身份、遥测、权限、沙箱。到 2027 年底多数团队会是「亮灯工厂加一些黑暗角落」。

幻灯片截图

亮灯工厂:agent 反复协助规划、构建、检查、交付,人在过程中施加判断和品味;熄灯工厂:agent 自己界定范围、构建、检查,人专注意图,只在例外时进入执行。关键是团队敢让多少流程在无人持续关注下运行。
3:52 亮灯工厂:agent 反复协助规划、构建、检查、交付,人在过程中施加判断和品味;熄灯工厂:agent 自己界定范围、构建、检查,人专注意图,只在例外时进入执行。关键是团队敢让多少流程在无人持续关注下运行。
Sonar 即将发布的调查(1000+ 开发者):84% 认为 AI 让功能和修复更快上线;Faros AI:PR 大 51%、未经评审进入生产的代码多 31%。对受监管或关键任务应用,未评审代码尤其令人担忧。「验证工作」需要具体定义。
8:32 Sonar 即将发布的调查(1000+ 开发者):84% 认为 AI 让功能和修复更快上线;Faros AI:PR 大 51%、未经评审进入生产的代码多 31%。对受监管或关键任务应用,未评审代码尤其令人担忧。「验证工作」需要具体定义。
验证放在每种循环里:agent 开发循环、CI 验证循环、持续维护。确定性分析抓漏洞和安全问题(SQL 注入、缓冲区溢出),agent 评审看逻辑与意图,供应链检查看依赖,各自抓不同类别的失败。
11:40 验证放在每种循环里:agent 开发循环、CI 验证循环、持续维护。确定性分析抓漏洞和安全问题(SQL 注入、缓冲区溢出),agent 评审看逻辑与意图,供应链检查看依赖,各自抓不同类别的失败。

截图来自原视频,仅用于评论与学习。

要点(点击时间跳到原视频)

  1. 0:12

    现场举手:几乎人人上周都有 agent 开的 PR,但审过每一行再合并的人少得多。CircleCI 分析 2800 万次 CI 工作流:吞吐约 +59%,但约三成合并到生产的尝试失败。

  2. 2:55

    亮灯工厂:agent 反复协助规划、构建、检查、交付,人在过程中施加判断和品味;熄灯工厂:agent 自己界定范围、构建、检查,人专注意图,只在例外时进入执行。关键是团队敢让多少流程在无人持续关注下运行。

  3. 5:27

    Anthropic 每天合并的改动从 5 月约 2,500 个涨到 30,000 个;claude.ai 最近一次改版涉及约 3,000 个 PR,来自工程师、产品设计师和其他职能。

  4. 6:40

    Claude 做首轮评审,并有工具去实际试用结果(跑测试、操作浏览器),人检查它产出的验证证据,而不是逐行读 diff;团队自己的规范提供评审标准。

  5. 8:21

    Sonar 即将发布的调查(1000+ 开发者):84% 认为 AI 让功能和修复更快上线;Faros AI:PR 大 51%、未经评审进入生产的代码多 31%。对受监管或关键任务应用,未评审代码尤其令人担忧。「验证工作」需要具体定义。

  6. 11:30

    验证放在每种循环里:agent 开发循环、CI 验证循环、持续维护。确定性分析抓漏洞和安全问题(SQL 注入、缓冲区溢出),agent 评审看逻辑与意图,供应链检查看依赖,各自抓不同类别的失败。

  7. 13:19

    很多公司放开团队试用后发现有成百上千个 agent,却不清楚它们在做什么——能碰系统、访问数据、甚至部署生产。需要 agent 身份和遥测,以及控制、权限与沙箱三件事。

  8. 14:47

    预测到 2027 年底多数团队是「亮灯工厂加一些黑暗角落」,而不是全面熄灯。两人都支持给 agent 写的 PR 打标签;作者是 Claude 不转移所有权,一个具名的人对改动和修复负责。

可以用在日常工作里的

  • 质量

    让评审 agent 不只读 diff,而是实际运行(测试、浏览器)并附证据;人审证据和风险。

  • 质量

    分层检查:静态/安全扫描(确定性)+ agent 逻辑评审 + 依赖与供应链检查,每层负责不同问题。

  • 安全

    建立 agent 清单:每个 agent 的身份、权限、可访问系统、操作日志。

  • 团队

    agent 作者的 PR 打标签,同时在 PR 上指定一个人类负责人。

演讲提到的资源

同一章节的其他演讲

← 返回全景 · 目录