大数跨境

代码产出逼近100%,1500行 Diff 谁来审?小红书、腾讯、滴滴一线实践者今晚聊透“黑灯工厂”|AI 进化论

代码产出逼近100%,1500行 Diff 谁来审?小红书、腾讯、滴滴一线实践者今晚聊透“黑灯工厂”|AI 进化论 AI科技大本营
2026-11-04
5
导读:代码可以由 AI 生成,但目标由谁定义、质量由谁证明、事故由谁负责、下一代工程师又该如何成长?

代码可以由 AI 生成,但目标由谁定义、质量由谁证明、事故由谁负责、下一代工程师又该如何成长?

AI Coding 倒逼底层设施重构:OpenAI 与 Anthropic 的不同路径

11 月 2 日,OpenAI 公布为 AI Coding 时代打造的新一代 Git 后端 Pando。过去一年,Codex 带来的并行开发导致 OpenAI 内部分支、提交及 CI 请求激增,原有系统可靠性跌破 90%。Pando 在保持 Git 协议兼容的同时,将推送延迟中位数降低至原来的近五分之一,日均传输数据接近 1 PB。

与此同时,Anthropic 选择彻底将 monorepo 从 Git 迁移至自研版本控制系统 Scion。受 Claude 影响,其日均合并量在四个月内从约 2500 次飙升至超 3 万次。为此,公司在五个月内完成了 Scion、代码审查平台 Antique 及配套系统的建设。

两家巨头的技术路线虽异,却指向同一事实:代码生成成本骤降,真正承压的是代码审查、测试验证、CI 流程及组织架构。

CSDN「AI 进化论」直播预告:黑灯工厂落地实战

当 AI 代码产出逼近 100%,软件研发是否会走向无需人工值守的“黑灯工厂”?今晚 7 点 30 分,CSDN「AI 进化论」邀请小红书 PE Infra 团队负责人孙哲、腾讯高级后台开发工程师任磊达、滴滴专家工程师金晶,围绕《黑灯工厂落地:当 AI 代码产出逼近 100%,组织怎么变》展开深度对谈。

直播亮点一:大厂一线实践者聊透「黑灯工厂」

外界常将「黑灯工厂」想象为全自动魔法,但极高代码产出的背后,是数百亿 Token 的算力投入及大量废弃代码。任磊达团队曾经历一天生成 4.4 万行代码最终全部废弃的教训;金晶则面临 AI Coding 在数千名工程师中规模化落地的挑战。

直播将深入探讨:

  • 若 Token 预算减半,核心业务交付是否会显著降速?
  • 管理层是否应核算每个合并 PR 消耗的算力?
  • 为何代码生成量激增,业务交付速度却未同步提升?
  • 首次将 AI Coding 推向极限时,团队遭遇过哪些重大事故?

代码产出接近 100% 不等于业务价值等同。衡量的核心并非机器写了多少代码,而是有多少代码解决了正确的问题。

直播亮点二:面对 1500 行 AI Diff,人类审查的有效性边界

当 AI 一次性生成 1500 行 Diff,审查者往往难以逐行阅读,极易滑向形式主义的「LGTM」。当代码产出速度远超人类阅读速度,传统 Review 模式是否仍是安全底线?

嘉宾将讨论:

  • 代码审查是否应从逐行阅读转向关注意图、风险、测试证据及运行结果?
  • 哪些代码可由机器自动批准,哪些核心逻辑必须由人类把关?
  • 在合规与风控要求下,何种条件满足后方可免读代码上线?
  • 若人工审查沦为形式,新的质量门禁应如何设计?

直播亮点三:Agent 审查 Agent,是突破还是死循环?

“查杀分离”或对抗式审查成为新趋势:一个 Agent 写代码,另一个专门找问题。然而现实中,审查 Agent 可能陷入无意义争论,或与编码 Agent 合谋修改测试以通过验证。

直播将聚焦:

  • 编码 Agent 能否接触负责评分的测试用例?
  • 如何防止 Agent 修改测试、伪造结果或进行 Reward Hacking?
  • 若两个 Agent 互相妥协,系统如何识别风险?
  • 自动生成的测试如何证明覆盖了真实业务风险,而非仅跑出绿色结果?

缺乏独立验证、权限隔离和可追溯证据链,多 Agent 审查可能只是将风险隐藏得更深。

直播亮点四:重塑研发效能指标体系

若以代码行数、PR 数量或 Token 消耗排名,可能导致工程师为“显得高产”而制造冗余。真正精简架构、避免错误的人反而可能在数据上“没有产出”。

三方实践者将共同探讨:

  • AI Coding 时代,哪些传统研发效能指标已失真?
  • 如何区分合理试错与无意义的 Token 狂欢?
  • 应重点关注代码接受率、返工率、缺陷率,还是需求交付周期?
  • 如何让管理层透过代码量制造的虚假繁荣,看到真实业务收益?

直播亮点五:黑灯运行后的责任归属与人才成长

AI 可快速生成补丁,却未必理解系统设计逻辑。未被人类真正阅读的代码累积成“理解债”,一旦发生重大故障,排查难度极大。

直播将厘清责任边界:

  • 事故发生后,责任归属于写 Prompt 的工程师、批准负责人、平台团队还是模型提供方?
  • 哪些业务可全自动运行,哪些系统必须保留人工兜底?
  • 若基础编码任务全由 AI 接管,新人如何建立系统直觉与架构判断力?
  • 当工程师退化为“人肉质检员”,其不可替代的核心竞争力究竟是什么?

直播福利

预约并参与直播,有机会获得实物礼品及以下技术资料:

  • 《Agent 实战训练营》录播课程
  • 「AI 进化论」栏目特辑·往期精选回顾
  • 《AI 原生软件研发成熟度模型报告》实体书
  • 直播间实物礼品抽奖

代码可以由 AI 生成,但目标由谁定义、质量由谁证明、事故由谁负责、下一代工程师又该如何成长?今晚,锁定 CSDN「AI 进化论」直播间。

点击预约直播,我们今晚见。
【声明】内容源于网络
0
0
AI科技大本营
为AI领域从业者提供人工智能领域热点报道和海量重磅访谈;面向技术人员,提供AI技术领域前沿研究进展和技术成长路线;面向垂直企业,实现行业应用与技术创新的对接。全方位触及人工智能时代,连接AI技术的创造者和使用者。
内容 7130
粉丝 0
AI科技大本营 为AI领域从业者提供人工智能领域热点报道和海量重磅访谈;面向技术人员,提供AI技术领域前沿研究进展和技术成长路线;面向垂直企业,实现行业应用与技术创新的对接。全方位触及人工智能时代,连接AI技术的创造者和使用者。
总阅读189.1k
粉丝0
内容7.1k