代理寫碼令 Anthropic CI 工作量半年增 25 倍，測試選擇服務被迫改為無狀態架構

Anthropic 9 月 14 日公開其內部持續整合系統的擴展經驗：在代理開始大量撰寫、審查與送出程式碼後，CI 工作數於六個月內增加 25 倍，測試總量也成長十倍。公司另稱 Claude 撰寫約 80% 的合併程式碼，工程師產出是 2021 至 2025 年平均值的八倍；這些都是未經外部稽核的內部統計，程式碼行數也不能直接等同生產力。

真正失效的是測試影響分析服務。舊版由 listener 依序記錄每次 CI 結果，再由 selector 根據歷史失敗與套件相依性決定每個 PR 應跑哪些測試。因每項測試的歷史狀態留在單一程序，系統無法任意增加寫入器；當 listener 落後二十分鐘，可能已有數萬筆結果尚未反映，令 selector 繼續執行已知 flaky 測試，或暫時看不到新增及修復後的測試。這不代表未測程式直接上線，但會降低測試集合的即時性與可信度。

團隊依序擴充主機、按套件分片及每日重啟，三次修補分別只維持 70 日、29 日及不足一日。最終版本把狀態移到記憶體資料庫：任何無狀態 listener 都可把結果附加至 journal，另一個小型 consumer 每數秒彙整成逐測試歷史，selector 再直接查詢。架構較昂貴，卻可水平擴展及分段量測；官方稱一名工程師用三週完成。

對採用 coding agent 的團隊，重點是容量規劃不能只看模型 token。PR 粒度、夜間提交、測試建立速度與自動審查會共同放大下游負載。接下來應觀察 Anthropic 是否公開絕對工作量、選測召回率、端到端延遲及成本；導入類似架構時，也應監控輸入／輸出事件守恆、佇列落後量，並以全量測試抽樣驗證 selector 沒有漏掉回歸。