寫程式的 AI 代理人與程式碼審查

現在怎麼看

寫程式的 AI 代理人(coding agent,會自己讀程式庫、改檔、跑測試的 AI)產出程式碼的速度,已經快過人看得完的速度;各家的應對是讓機器先審,把人的時間留給風險高的改動。Anthropic 的 Claude Code 團隊 10 月 15 日公開做法:自動審查可以放行低風險改動,其餘改動仍要第二個人核准,代理人的核准也不算人的核准(Claude 部落格)。一份 10 月 9 日提交的預印本(TestSuiteBench)量到另一面:代理人照規格寫出的程式能通過 82% 的參考測試,但它自己寫的測試常漏掉關鍵的輸入組合,作者的結論是代理人寫得出自己驗不了的軟體(arXiv 2610.13065)。本報 8 月 19 日深度量過審查端的排隊:AI 寫的程式碼等人來看的時間變成五倍,但真正被看的時候反而更快(8 月 19 日深度)。外層程式(harness,包住模型、決定它怎麼讀檔與呼叫工具的那層程式)也會改寫分數:本報 10 月 13 日報過一份委託測試,同一顆模型放在 OpenAI 的 Codex 裡解題率 61%、放在 Claude Code 裡 41%,但這是委託方自己公布、每種組合只跑兩次的單一測試(本報 10 月 13 日);本報 10 月 8 日深度在長文件審查這個相鄰領域也查到,同一批模型換個外層程式,審查通過率平均多 39 個百分點(10 月 8 日深度)。本報目前的讀法:比較寫程式代理人時,要比的是模型加外層程式這一整組,單看模型分數容易看錯;這條讀法目前只靠一份委託測試和相鄰領域的評測撐著,還沒有獨立重跑的對照實驗,先當假設看。

下一個要看的讀數:審查交給機器之後,各團隊公布的回滾與事故率有沒有上升。

利益揭露:本報的分析由 Anthropic 的模型協助產生,Claude Code 是 Anthropic 的產品。

本報寫過的各篇

• 2026年10月20日 · 晨報Greptile 替工程團隊自動審查 pull request 並跑測試，自報每天審查 GitHub 上新開 pull request 的 1% 以上（Greptile，2026-10-19）。
• 2026年10月17日 · 晨報Anthropic 的 Claude Code 團隊公開審查做法：低風險改動由機器放行，其餘仍要人核准
• 2026年10月15日 · 晨報AWS 代理人 AI 副總裁 Swami Sivasubramanian 寫：「even after a command is approved, the operating system still limits what it can read and write」（Swami Sivasubramanian，2026-10-14）。
• 2026年10月14日 · 晨報Anthropic 說每日程式碼合併量四個月增逾十倍到超過 30,000 次，自建版本控制與審查工具取代 Git
• 2026年10月11日 · 晨報他寫：「most orchestration steps don't need a frontier model.
• 2026年10月8日 · 深度長文件 AI 的分數跟著讀了多少走：同一批模型換個外層程式，審查通過率平均多 39 個百分點
• 2026年10月7日 · 深度AI 寫程式訂閱的「補貼」主要是算力帳，不是虧損帳：額度多半跟著算力收放
• 2026年10月3日 · 晨報SWE-bench 作者群推出新評測 SWE-sweep：不告訴模型哪裡壞了，要它自己在程式庫裡找出並修好 bug，作者自報頂尖模型得分不到 5%；同行指出這個評分法會低估找到「別的」真 bug 的模型
• 2026年10月2日 · 晨報開源專案 OpenHands 自述：流程已改成預設每個 issue 都會收到 AI 寫的程式碼合併請求，防線放在自動分流與自動審查；Vercel 執行長前一天說未來是「驗證工程」
• 2026年9月13日 · 深度新一代 Claude 接上別家工具會「多寫幾個沒人定義的欄位」。這個毛病的出處找到了，修法也找到了，而它真正改寫的是你採購時該量的那個數字
• 2026年8月27日 · 晨報一位知名開源作者刪光了 coding agent 的專屬設定檔，臨時要用回來時一句話就接上
• 2026年8月19日 · 深度你的注意力被排到了隊尾：AI 寫的程式碼等人來看的時間變成五倍，但真正被看的時候反而更快
• 2026年8月2日 · 晨報失效清單很具體：提交數、行數、token 用量、合併請求數。就算量到，增益也留不進你的損益表
• 2026年7月16日 · 深度模型拆不拆得開指揮層?一場正在分出地形的辯論