Agentic coding is straining CI

来源：Anthropic 工程复盘，重点不是某个扩容技巧，而是 Agent 让代码、测试和 PR 数量一起加速，导致验证基础设施成为新的生产瓶颈。

编译摘要

核心结论 1：代码生成提速会把瓶颈迁移到 CI、测试选择和结果新鲜度。
- 关键证据：文章自报工程师季度代码产量约为 2021–2025 平均水平的 8 倍、Claude 生成其中约 80%；测试数量增长 10 倍，CI job 在六个月内增长 25 倍。
核心结论 2：单进程、单写入者的测试影响分析服务无法承受这种增长。
- 关键证据：listener 记录所有测试结果，selector 根据历史和 package relevance 选择 PR 测试；当 listener 落后时，selector 使用陈旧历史，导致重复跑 flaky tests，或新测试/修复不能及时进入选择范围。临时方案分别只支撑了 70 天、29 天和不足一天。
核心结论 3：把状态外置、worker 无状态化和事件日志化，才是可持续的水平扩展路径。
- 关键证据：重构后 listener worker 把结果追加到 in-memory store 的 journal，独立 consumer 定期汇总 per-test history，selector 快速读取；项目由一名工程师用三周完成，作者估计过去可能接近一个季度。

关于规模数字的质疑：8x、10x、25x 都是 Anthropic 内部自报，组织结构、代码库、测试策略和 Agent 使用强度不同，不能直接当作行业增长率。
关于测试选择的质疑：选择性测试降低 CI 成本，却引入漏测和 stale-data 风险；“incoming jobs 等于 outgoing jobs”是运营信号，不等于测试集合充分。
关于架构的质疑：外置状态和水平扩展带来一致性、事件顺序、重放、故障恢复和成本问题；文章没有报告误选测试率、回归捕获率或新架构的独立评估。
关于 Agent 作用的质疑：Claude 参与长期监控、生成分片代码和调参，但稳定性来自架构与确定性组件的组合，不能把重构结果全部归因于模型。
边界条件：只有当测试历史、包相关性和 CI 事件可以结构化，test impact analysis 才能成为可靠的中介；强耦合、隐式依赖和环境型测试需要额外覆盖。

与 AI-Native SDLC 对标：AI-Native-SDLC 把 Test/Deploy/Maintain 视为 Agent 时代的基础设施问题；本来源提供了“测试选择服务自身也要 AI-native scale”的具体案例。
与 Agent Verification 对标：Agent-Verification 不只验证代码输出，还要验证验证管线的状态新鲜度和覆盖边界。
与 Software Factory 对标：Software-Factory 的产能提升只有在 CI、观测和回滚基础设施同步扩张时才会变成交付能力。
跨域迁移：当 Agent 平均并发和 PR 粒度持续增长时，v0 架构应预留 10–20x 规模的状态外置、事件回放和水平扩展；这条建议是作者的工程启发式，不是普适定律。

文章是单一组织的内部复盘，数据和对话经过公司叙事筛选；可迁移的是 listener/selector 的状态分离、事件化和新鲜度风险，不是具体的 25x 预测或某一实现的成本收益。