X @OpenAIDevsAI 評分32
OpenAI 公開內部工程師用 Codex 清理程式碼維護積壓
OpenAI 開發者帳號介紹了內部工程師如何使用 Codex：在自家程式碼庫中檢索、定位需要關注的部分，並逐步消化積壓的維護任務。推文只給出這一概述，未披露具體工作流程、所用模型版本或效率資料。
搜尋
依意思最接近的 30 筆
Hacker News front pageAI 評分51
Codex 生成程式碼觸發 SonarQube 告警，作者反思代理寫碼時代的系統所有權
一位工程師復盤：Codex 把約 30 行的 App.tsx 寫成 15 個各佔一行的完整元件，CI 被 SonarQube 的圈複雜度規則攔下。他逐行審查後確認邏輯正確、複雜度確有業務依據，只是略顯過度設計，於是讓 Codex 自行重構拆成 10 個檔案，CI 通過併合入。作者由此提出，維護系統將不再依賴親手寫過程式碼，而取決於是否具備「看出哪裡不對、必要時深挖」的判斷力；代理產出速度遠超人類消化速度，失序會隨之下潛深度放大。
Hacker News front pageAI 評分50
開源基準 Parsimony 按語法單元統計 AI 新增程式碼量
Parsimony 是一個開源基準，用來衡量 AI 模型在改程式碼時到底新增了多少程式碼。它複用 DeepSWE、SWE-bench Verified 與 SWE-bench Live 已公開的補丁，統計語句、呼叫、命名、字面量等「編碼單元」而非程式碼行數，並減去被刪除的程式碼，只算淨增量。GPT-6 與 Claude 5.5 尚無公開補丁，作者在自己的訂閱上跑了 3–10 個任務，結果以淺色圓圈顯示、不參與排名。作者也歡迎提交新模型的公開補丁匯出。
Hacker News front pageAI 評分46
20 年經驗工程師撰文：AI 程式碼仍須逐行審查
一位寫了 20 年程式碼的軟體工程師撰文主張，AI 生成的程式碼仍要逐行讀、逐行審，不能因為能跑就盲信。他承認這類工具寫得比自己快，經審查後品質往往也不差，但它的做法主要是不斷做加法：堆砌覆蓋錯條件的單元測試、重複實現已有函式、每行都加無用註釋，出問題後還會編造一套語氣篤定的根因分析。他認為 95% 的正確率不等於 100%，靠提示詞“配方”解決不了問題，行業還缺少可重複的驗證流程；只要 PR 上署著自己的名字、自己還在值班，就該讀懂這段程式碼。
Hacker News front pageAI 評分46
Meta 工程師稱難逐行審查 AI 生成程式碼
Meta 工程師在 LinkedIn 發帖稱，用 AI 寫程式碼後難以逐行審查，交付的系統成了自己不完全理解的黑盒。帖文說 AI 輔助交付節奏太快，逐行檢查會耗費大量時間，結果可能只懂高層結構、不懂每個細節，這違背軟體工程習慣。該帖被轉到 Hacker News 的 Ask HN 後獲得 179 分、292 條評論，討論工程師該理解到什麼程度、又該如何應對才敢繼續交付。
Simon Willison● 精選AI 評分66
Claude Code 團隊：評審已從人工關卡變成 Claude 持續預審
Claude Code 團隊在分享中表示，程式碼評審已從合併前等待同事把關的最後一道關卡，變成像寫作時拼寫檢查那樣持續進行，多數改動在被請求人工檢視前已由 Claude 至少審過一遍。他們認為「人類有沒有讀過這段程式碼」是判斷風險的粗略代理，更該問的是這次改動可能出什麼問題、應由哪種檢查（自動或人工）來捕捉。這樣能攔下大部分常規錯誤，把團隊注意力留給更高層的問題與審查。
claude.dev blog● 精選AI 評分81
Claude Code 團隊公開六層程式碼審查流程
Claude Code 團隊公開其程式碼審查流程：多數 PR 只需一位人類把關，其餘交給 Claude 自動審查。6 月至 9 月，該倉庫合併 PR 數翻倍以上，回滾比例下降超 40%；Anthropic monorepo 每日變更從 5 月約 2500 次增至 9 月逾 3 萬次。
X @AnthropicAI● 精選AI 評分74
@AnthropicAI: New on our Engineering blog: Creating in-house source control.
Anthropic 在工程部落格公布，團隊自建了一套版本控制系統，並在五個月內把整個 monorepo 從 git 完整遷移過去。官方給出的動因是：為人類規模而非 agent 規模搭建的開發基礎設施已經成為瓶頸，5 月每天合併約 2,500 次程式碼變更，9 月已超過 30,000 次。部落格文章詳細介紹了新系統的搭建方式，以及 monorepo 完成遷移的過程。
Hacker News front pageAI 評分40
開發者稱用 Claude Code 後不再手寫程式碼
一位寫了 18 年程式碼的開發者表示，自去年在 Claude Code 中使用 Opus 4.5 後，用自然語言描述需求比手寫程式碼更快，於是徹底停止了手寫程式碼。他所在的 Filestage 團隊月合併 PR 從約 200 增至 300，bug 報告未增加，每位開發者每月 AI 訂閱費 20 美元，工具可自選 Codex、Claude Code 或 Cursor。
機器之心AI 評分50
OpenAI 預告 Astra 6.1，主打刪減屎山程式碼
OpenAI 產品負責人 Tibo Sottiaux 發帖預告未來模型會更擅長刪除和簡化程式碼，並在評論中確認 Astra 6.1「coming soon」。負責 coding post-training 的研究員 Rajan Agarwal 轉發該帖，並公開徵集使用者遇到的 sloppy code 與程式碼品質問題。《華爾街日報》此前報導，Astra 6.1 原計劃 10 月發布，因內部安全測試中在權限邊界上表現不穩而被臨時叫停。
Hacker News front pageAI 評分66
工程師自述不再寫程式碼，改管 5–6 個 coding agent
現於 Salesforce AI Research 任職的研究工程師自述，自己已很少手寫程式碼，工作日主要是同時管理 5–6 個 Claude Code、OpenCode、Codex 這類 coding agent：每個 agent 拿一份獨立的 Git worktree，自行寫程式碼、跑測試、建立並審閱 PR，新功能原型約 20 分鐘就能跑出來。他每月在 token 上花費約 3000 美元。
Latent Space● 精選AI 評分75
Airbnb 稱 60% 程式碼由 AI 編寫，半數客服工單由 AI 解決
Airbnb CTO Ahmad Al-Dahle 披露，公司目前 60% 的程式碼由 AI 生成，功能交付量同比增加近 80%，工程師人均 PR 吞吐量提升約 1.6 倍；約一半客服工單已完全由 AI 處理，與 Q2 財報中近 45% 的數字一致。內部上下文圖譜 Everest 幫助雜貨配送服務在 8 至 9 個月內上線，機場接送僅用約 6 周。Airbnb 採用多模型策略，至少部署 10 個定製模型，主要在開源模型上做後訓練和強化學習。
機器之心● 精選AI 評分77
Anthropic 以 7 人團隊 5 個月自研 Git 替代品 Scion，完成 Monorepo 遷移
Anthropic 用 7 名工程師和 Claude，在 5 個月內從零開發出內部原始碼控制系統 Scion 及程式碼審查工具 Antique，並把整個 Monorepo 從 Git 遷移過去。起因是 AI 程式設計量激增：日均程式碼合併從 5 月的約 2500 次漲到 9 月的 3 萬次以上，主分支歷史近 100GB，CI 每天約 2500 萬次檢出，原有 Git 映象方案難以支撐。
Ars Technica AI● 精選AI 評分80
研究：AI 程式設計代理生成更多程式碼，軟體產出未增加
哈佛大學研究者在 700 多家公司、70 萬名員工、3 億條工作事件的資料中發現，AI 程式設計工具並未讓企業軟體產出增加或減少用人，編碼階段省下的時間被下游環節吸收。程式碼審查時長明顯增加，pull request 更常需要返工，審查者留下的評論也更多。研究據此認為人工程式碼審查是 AI 編碼效率的主要瓶頸。
Hacker News front pageAI 評分69
FurtherAI 復盤 AI 原生工程團隊：人均日合併程式碼量增 5 倍
FurtherAI 的 Sashank Gondala 復盤九個月 AI 原生工程實踐：自 1 月起每位工程師每日合併的程式碼變更量增長約 5 倍，回滾率仍低於 0.5%。面向客戶的變更從夏季每月 17 至 30 個升到 9 月 45 個、10 月預計 48 個；含測試的變更佔比從 15% 升至 91%，AI 先行評審覆蓋 99% 的變更，最多三分之一低風險變更無需人工合併。
Hacker News front pageAI 評分70
Revolut 讓 2000 名工程師改用自託管 GLM，Claude Code 與 Codex 轉為例外
Revolut 已將約 2000 名工程師的編碼工作遷到自託管 GLM，並把 Claude Code 與 Codex 列入例外名單。據負責 AI 運維的 David Abitbol 披露，這套叢集為 56 張 Nvidia B200，混合成本約每百萬 token 30 美分，約為付給 Anthropic 與 OpenAI 的十分之一，工程交付週期縮短 70%。他還指出，收益出現在 token 不再被限量之後：工程師不再把 AI 留給難題，而是對所有任務都用。
X @OpenAIDevsAI 評分45
OpenAI 向 Git 上游貢獻修復，清理中斷 packfile 下載殘留
OpenAI 開發者帳號稱，已向 Git 上游貢獻修復，用於清理中斷的 packfile 下載殘留等場景。推文將問題描述為中斷 packfile 下載後的善後清理，並連結到 OpenAI 關於擴充套件 Git 的文章。原文未披露修復的具體版本、合併時間或影響範圍。
OpenAI NewsAI 評分45
Qodo 將公司知識與編碼規範接入 Codex 程式碼審查
Qodo 把公司內部知識與編碼規範引入 Codex，讓 AI 程式碼審查在開發者提交 pull request 之前就能發現跨倉庫的 P0 級問題。審查範圍覆蓋多個程式碼庫，目的是更早攔截嚴重缺陷。原文未披露具體上線時間、支援的模型版本與價格資訊。
Hacker News front pageAI 評分61
把任務當程式碼：用 Markdown 存進 Git 供 AI agent 讀取
文章主張把開發任務從 Jira、Redmine 遷進程式碼倉庫，用 Markdown 檔案儲存，讓 Claude Code、OpenCode 等 coding agent 在同一處讀到需求與程式碼。任務改動因此像普通 commit 一樣有版本、可評審；文中給出五步流程：描述任務、分析需求、生成實現計劃、人工審批、實現並回寫報告。作者的做法是程式碼、文件、任務各建一個 Git 倉庫，後兩者 clone 進程式碼倉庫並由 .gitignore 排除，任務庫因含敏感資訊可單獨設權限。
Hacker News front pageAI 評分36
一位 Ruby gem 作者歸檔全部倉庫，稱不再為 LLM 餵養的社群寫程式碼
一位 Ruby gem 作者把自己所有 gem 的原始碼歸檔，明確表示不再繼續開發。他稱 Ruby 語言本身現在已大量由 LLM agent 開發，Matz 正把 Ruby 重新定位為供 LLM 生成程式碼的「AI 時代程式語言」，並認為 LLM 需要攝取更多人類寫的高品質 Ruby 程式碼；同時 Rails 由他不認同的維護者掌控。他不願再為一個被大公司免費開採、用於餵養那些反過來汙染公共程式碼庫的機器的公共資源做貢獻。
Hacker News front pageAI 評分68
JetBrains 分享程式碼語義搜尋 RAG 流水線經驗
JetBrains AI 團隊發文介紹其語義程式碼搜尋平台 Air Context 的 RAG 流水線，已投入生產環境。首篇聚焦解析、分塊與向量化：固定行數分塊會把 import 與函式體等無關程式碼混在一起，導致檢索錯誤，因此需按原始碼結構（如 Java 的 import、類定義、欄位與方法）劃分語義完整的塊。
Hacker News front page● 精選AI 評分77
Anthropic 自研版本控制系統 Scion，五個月完成 monorepo 遷移
Anthropic 自研了內部版本控制系統 Scion，並在五個月內把 monorepo 從 git 全量遷移完成。原因是 AI 編碼速度已超出為人設計的開發基礎設施：日合併程式碼變更從 2026 年 5 月的約 2500 次增至 9 月的逾 3 萬次，主分支歷史近 100 GB，壓縮工作副本超 25 GB，CI 每天約 2500 萬次 checkout。Scion 假設客戶端始終線上，由服務端負責歷史、blame、合併與 rebase，客戶端只保留有界快取；
Hacker News front page● 精選AI 評分78
實測刪掉 16.8 萬行註釋，Claude Code 編碼品質不變
作者用 Claude Code（Opus 5.5、high effort）在同一程式碼庫的原版與刪光註釋的副本上各跑三次，完成兩個真實功能任務；所有執行都通過 lint、型別檢查與現有測試，大任務還通過了一個隱藏測試。評分差異在噪聲範圍內，小任務上無註釋版少用約 22% token（1.71M 對 2.18M）。大任務三次執行的 token 在 7.01M 到 10.64M 之間波動，作者據此提醒 agent 輸出不確定，只跑一次可能得出完全相反的結論。
Hacker News front pageAI 評分40
Uploadcare CTO：AI 已能解決任何工程問題，有時完全不看 agent 程式碼
Uploadcare CTO Alex Gusev 在 40 歲這年寫道，工程挑戰已經消失：他現在有時完全不看 agent 寫的程式碼，出錯由其他 agent 發現並告知。一年前他還花數月清理自己在 lettercarta.com 上 vibe-code 的程式碼，如今已習慣 agent 把任務做好。
機器之心● 精選AI 評分80
OpenAI 收購 Pierre，為 Codex 補上 AI 時代的 Git 基礎設施
OpenAI 宣布收購 Pierre Computer Company，希望藉此讓 Codex 覆蓋從智慧體建立第一個分支到程式碼部署上線的全流程。Pierre 的核心產品 Code Storage 是面向 AI 智慧體的 Git 託管服務：單倉庫最高 32TB、Git 請求不限速（實測單倉庫每秒 500 次以上），並按 7 天冷熱分層計價，每 GB 每小時 0.005 美元與 0.0002 美元。
Google Developers blog● 精選AI 評分80
91 萬次 coding agent 會話：13% 被程式碼裡的 TODO 註釋帶偏
對逾 91.3 萬次 coding agent 會話的分析顯示，13% 的會話中 agent 會遇到內聯的 TODO(b/...)註釋，其中 6% 的情況下 agent 會真的動手處理，而這 83% 並非開發者要求。這些改道讓每次會話多出 70% 的步驟、77% 的 token 消耗和 105% 的等待時間，其中 41% 花在追查已關閉的工單上、57% 屬於未經授權的範圍擴張。模型能力越強，分心率越高，作者據此呼籲用自動化清理和 linter 來維護對 agent 友好的程式碼庫。
Cloudflare blog (AI)● 精選AI 評分78
AI 程式碼審查單次成本降 68% 至 0.77 美元
自建 AI 程式碼審查的平均單次成本從 2.43 美元降到 0.77 美元，降幅 68%；中位審查耗時也從 4 分 09 秒縮短到 1 分 32 秒。約 40% 的節省來自審查器程式碼最佳化，其餘來自更換所用模型與調整推理強度；在此之前，成本已從 4 月的 1.19 美元漲到 8 月的約 2.46 美元。審查器現已整體遷移到重寫的 OpenCode v2，影子模式對比中 98% 的合併請求審批結論一致，全量審查約快 13%。
OpenAI NewsAI 評分56
OpenAI 建置 Git 相容後端 Pando，支撐 Codex 規模開發
OpenAI 建置了 Git 相容後端 Pando，用來支撐 Codex 帶來的開發規模。當前公開資訊只說明其 Git 相容定位，未給出架構、效能數字和上線範圍。
OpenAI NewsAI 評分26
Merge 用 GPT-6 Astra 與 Codex 審查產品程式碼
Merge 使用 GPT-6 Astra、ChatGPT 與 Codex 審查產品程式碼，並把同樣的 OpenAI 技術用於市場支援。團隊還會用 AI 安排高管晚宴、準備銷售更新材料。
X @OpenAIDevs● 精選AI 評分63
@OpenAIDevs: We built Pando, a new Git backend for our monorepo, to handle more pushes and fetches without chang…
OpenAI 為 monorepo 自研 Git 後端 Pando，推送延遲降低約 80%。該後端讓工程師和 agent 無需改變原有 Git 使用方式，就能處理更多 push 與 fetch；目前每天服務近 1PB Git 資料，容量可隨 agent 使用量增長。