AI 编码 Agent 30 天产出 212 个 PR，但验证环节全面失守

一位开发者在 30 天内仅凭自己 + AI 编码 Agent 构建出一个多租户 SaaS 平台：Agent 共合并 212 个 PR，改动代码 11.1 万余行，仓库在 22 小时内即完成整套骨架合并。然而与此同时，208 个 PR 实际上无人 review，CI 任务链静默失效 16 天，staging 环境整个月都在跑 Terraform 占位镜像。当 AI Agent 的产出速度超过人的验证速度时，流程里每一道「人为把关」的环节都会悄悄退化为零——而系统依然一路报绿。

实验规模与产出

30 天内合并 212 个 PR，11.1 万行代码变动；571 次 commit 中绝大多数由 Agent 提交。
源代码约 1.96 万行，测试代码约 1.14 万行。
平台骨架（monorepo、DB、API、Web、Agent 服务、计费、通知、CI）在前 22 小时完成合并。
九个 UI 页面 PR（约 4700 行）在 39 分钟内全部合入。
单日峰值：7 月 4 日合并 59 个 PR。

技术栈刻意采用生产级「无聊组合」：Bun + Turborepo monorepo、Hono API、Next.js 15、Drizzle/Postgres（含 pgvector），基础设施用 Terraform 部署在 GCP 的 Cloud Run 与 Cloud SQL 上。交付流程被设计成 GitHub 紧耦合的闭环——开发者写 plan 文件，由同步脚本转成 issue，Agent 通过服务端分支 ref 认领 issue，按验收标准实现并跑一组确定性 gate 后开 PR。人在流程里只做两件事：写 plan 和 review PR。

验证真空：三条同时失守的防线

Agent 兑现了它们的速度承诺，作者承认自己没兑现 review 的承诺，结果是整个验证体系从三处同时塌陷：

人审缺席：212 个 PR 中有 208 个零 review，中位合并耗时约 90 秒，19 个 PR 在一分钟内就被合并。
自我背书：每个 PR body 里都有一张自报的 gate 表（format ✅、typecheck ✅、test ✅），由写代码的 Agent 自己填写，几乎从未被独立核对。
CI 假阳性：CI gates 任务连续 16 天处于故障状态，PR 一直顶着红色 check 合入；与此同时 staging 环境始终在跑 Terraform 占位镜像，仪表盘上「已部署」的绿灯从未被怀疑。

代码本身并不差

复盘归复盘，作者强调 Agent 写的代码质量其实高于外界想象：每个实现 PR 都把验收标准一对一映射到命名测试；部分 PR 主动 mutation-test 自己——故意把修复点破坏、确认测试会变红；数据库测试跑在带真实语义的内存 Postgres 上而不是 mock；确定性 gate 从最初的 6 道扩展到 12 道，包括 import 方向边界、静态禁止某类多租户 bug 的身份 gate、阻断提交云项目 ID 的 config gate，以及要求所有运行期环境变量必须来自 Secret Manager 的 run-secrets gate。安全侧也做了真活：AES-256-GCM 凭据库（每值独立 IV）、HMAC 签名的 OAuth state、常量时间比较、用整数运算处理金额并写测试断言「恶意 LLM 无法篡改已存金额」。

更值得注意的是 Agent 的「诚实」：它们在代码注释里主动标注自己的捷径，在 PR body 里专门开「Honest gaps」小节。有一次甚至在基础设施变更里写明 Cloud Run 允许 allUsers 公开调用、ingress 未限制，并请求 review——而作者 56 秒后就把它合了。

关键经验

复盘后作者把结论压缩成几条规则：

速度从来不是瓶颈，验证才是：25–30% 的 PR 最终是返工，平台已经先于新功能进入「先稳定、再加东西」的阶段。
review 是预算，不是美德：一个人一个月能认真看完的高风险 PR 大约 30 个，不是 212 个；应当按风险分层签字，而不是全量粗看。
自报绿色不是绿色：Agent 的成功声明几周内无人交叉印证，CI 坏了、deploy 跳了依然「绿」了 16 天——验证必须由机器独立、强制执行。
诚实需要消费者：Agent 在每个 PR 里都坦白了偷工减料，却没人接招；现在被披露的技术债会自动转成可追踪的工作项。

这一组数字与教训，本质上回答的是一个正在被整个行业反复问的问题：当 Agent 的产出速度持续超过人的认知与验证带宽时，工程流程该如何重新设计，才能让绿灯仍然是绿灯。