
AI做日常维护:388个PR,180个被合并
Claude之父Boris Cherny最近在X上贴出一组数字:388个PR,180个被合并,写这些代码的全是AI。它们来自他过去几周一直在做的一个「奇怪实验」:让Claude接管自家App的日常维护。他说,从一些早期迹象看来,这条路也许真能走通。
实验现场:Claude像同事一样上班
实验现场是一个名叫「proj - claude - maintains - apps」的Slack频道。在这个频道里,Claude Tag每天跑一组例行任务,覆盖iOS、Android、桌面端、Web、CLI和Agent SDK六类环境,每条线一个独立Routine,进展各自发进频道的顶层线程。它像一个真正的同事一样,不等人派活,到点自己上班,找问题,改代码,提PR,然后等人来审。这样一个闭环,在Anthropic内部已经转了几周,工程师需要做的,只剩下一个决定是否合并的按钮。
Claude的工作清单:全是脏活
Boris给Claude安排的活包括崩溃巡检、重复抽象合并、死代码清理、抽象泄漏修复等十一项。这张清单从头扫到尾,Claude接管的活没有一项是「做个新东西」,全是平时最不愿意干、干完也不出绩效、拖到下个季度也没人催的那种活。
代码审查成瓶颈:开发者代价大
一个团队几周内多出388个AI生成的PR,谁来看?Anthropic在今年3月的Code Review公告里提到,过去一年,公司人均代码产出增长了200%,代码审查随之成了瓶颈。而且,这并非Anthropic一家的问题。工程数据平台Faros AI在2026年放出一份报告,高AI采用度下,人均epic完成量涨66.2%,每周部署数反而降11.7%。合并得更多,发出去的反而更少,中间的环节都堵在审查上。代价还得开发者来扛,落在每个开发者身上的bug数涨了54%,每个PR对应的线上事故涨242.7%等。
Code Review效果与成本:AI改人审
Anthropic公开过一组效果和成本数字:上线之前,只有16%的PR能拿到实质性的审查意见,上了之后这个数字是54%。超过1000行的大PR,84%能被查出问题,平均7.5个;50行以下的小改动,比例降到31%,平均0.5个。工程师标记为「找错了」的发现不到1%。审一个PR平均要跑20分钟,烧掉15到25美元的token。这套系统划定的边界是:AI可以主动找问题、改代码、开PR,全程不用人批准,但合不合进主分支、上不上线,最后一下点确认的必须是人。
Boris的下一步:降低合并成本
Boris在帖子里写了下一步:想办法降低这类机械性改动的合并成本。他要降的是合并成本,因为卡点已经不在生成那一头了。
系统搭建:分工明确,调优规则
这套系统由Claude Tag、Routines、Claude Code Review和人类批准层四个部分组成。Claude Tag是入口,Anthropic在8月13日刚给它做过一次升级。Routines是执行层,4月14日推出的功能。Claude Code Review是审查层,人类是批准层。Boris的调优方式是不修结果,修规则,提示词要长期运维,这也是这套东西能越跑越顺的原因。
复刻门槛:多方面挑战
工具这一层是公开的,但真正的门槛在别处,包括仓库权限、测试覆盖、模拟器环境、审查成本以及有没有人愿意为AI提的PR按下合并键等。同样是这个月,Rust项目刚给AI贡献立了规矩。个体开发者能从Boris这个实验里抄走的规则是:先把验收条件最明确的那类活儿交出去。生成侧已经不缺产能了,缺的是审查侧,工程师的身价算法也变了,以前看写得多快,现在看审得多快。



被折叠的 条评论
为什么被折叠?



