AI 热点

CodeRabbit CEO Harjot Gill 谈软件工厂与代码审查

Pragmatic Engineer更新于 11月19日 08:45

Software factories and code reviews with Harjot Gill

AI 导读

CodeRabbit CEO Harjot Gill 介绍了以大量 AI 智能体构建软件工厂的实践,他上月提交超过 5,000 个 PR,个人每月 AI 支出约 $250-$275K。CodeRabbit 通过形式化方法、确定性模拟、开发环境验证和分阶段发布控制质量,并从逐个审查 PR 转向审查计划与最终交付物。Harjot 认为人工代码审查正在失去原有作用,而高额 AI 投入对需要快速推出新产品的 AI 基础设施创业公司更容易成立。

推荐理由

精选AI 评分 75

访谈呈现了高投入并行智能体开发的成本、验证体系与审查机制,为评估软件工厂模式提供了具体参照。

主题

标签

正文 · AI 翻译

《务实工程师》 与 Harjot Gill 探讨软件工厂和代码审查 1× 0:00 当前时间:0:00 / 总时长:-1:26:37 -1:26:37

与 Harjot Gill 探讨软件工厂和代码审查 CodeRabbit CEO Harjot Gill 解释了他如何在一个月内提交超过 5,000 个拉取请求、为何认为人工代码审查已死,以及他每月花费 250,000 美元使用 AI 能获得什么。 Gergely Orosz 2026 年 11 月 18 日

现在可在 YouTube、Apple 和 Spotify 上收听和观看。本页顶部提供本期节目的文字稿,底部则有节目时间戳。

本期节目由以下赞助商呈现

• turbopuffer——一个极其可扩展、快速且低成本的混合搜索引擎,构建于对象存储之上,Anthropic、Linear、Ramp 等前沿公司均在使用。许多改用 turbopuffer 的公司将搜索费用削减了 50% 或更多,同时获得了快得多的结果。不妨了解一下。

• Entire——Entire 推出了自己的 Git 托管平台,发布了 Continuous Memory,并重新发明了拉取请求(称为 Trails)。当智能体根据反馈反复迭代并不断推送新变更时,Trails 是一种自然得多的工作流,而且你能获得更多上下文,更好地控制何时可以合并变更。不妨了解一下。

• WorkOS——WorkOS 构建了 Airlock,这是面向 AI 智能体的授权层。它会根据智能体的意图和你的规则评估每一个请求,然后允许、拒绝,或将其转交给人工处理。兼容 Claude Code、Codex 和 MCP 网关。了解更多。

在这次对话中,我们走进一位 AI 狂热型 CEO 的世界,探索他的创业公司如何运作。本期节目所呈现的成功之道,甚至可以说与一种日益盛行的观点背道而驰:AI 支出过高,必须加以限制。

Harjot Gill 是 AI 代码审查公司 CodeRabbit 的创始人兼 CEO。仅上个月,他就提交了超过 5,000 个拉取请求,按月计算的 AI 支出达到 250,000 美元(!)。这显然不是一种常规做法,而 Harjot 详细阐述了其背后的思路和理由。

在本期《务实工程师》播客中,我们聊到了他过去 30 年构建软件和创办基础设施创业公司的经历,以及进入在 CodeRabbit 构建软件工厂的时代后,一切发生了怎样的变化。我们还讨论了他为何认为人工代码审查已死,以及他的团队如何在以前所未有的速度交付代码时维持质量。

我们还深入探讨了不断上升的 AI 开发成本、Harjot 为何坚信科技创业公司比以往任何时候都需要更多资金,以及 AI 正如何改变招聘和取得成功所需的技能。

与 Harjot 对话的要点

1. 他上个月由智能体推送的 5,000 个 PR 中,很大一部分是维护清理工作。他会让智能体改进 CI 等系统、修复不稳定测试并优化缓存。许多 PR 是在他通勤途中以及傍晚和夜间生成的。在少数情况下,他会引导智能体改善 UI 的使用感受。Harjot 构建过的项目包括:

使用 Rust 在对象存储之上构建预写日志(WAL)(智能体连续运行了六周!)。这个 WAL 现已投入生产。

在一个周末内将 CodeRabbit 的所有服务迁移到 Bun。

在原有 CI 系统出现性能问题后,构建了一个新的 CI 系统。

2. CodeRabbit 每月在 AI 上花费数百万美元,而团队只有 40 名工程师。Harjot 估计,每个 PR 的成本约为 150 美元,他个人每月的支出约为 250,000 至 275,000 美元。他将其与获得风险投资的公司中由 10 名营销人员组成、却能推动 1 亿美元支出的营销团队相提并论。我指出,他的创业公司属于异类;据我从其他地方了解到的情况,每名开发者每月的 AI 支出大约在 200 至 2,000 美元之间。弄清楚这种支出为何合理,正是我渴望与 Harjot 见面的原因之一。

3. 对 CodeRabbit 这样的开发者工具创业公司而言,如果巨额 AI 支出能帮助它们更快推出与 AI 相关的新产品,就可能具有合理性。在我看来,CodeRabbit 并不是一家典型公司:如果其 AI 支出能够创造可商业化和销售的新解决方案,那么这笔投入就是一种研发支出。对于那些客户群固定、客户只愿为某款现有产品支付特定金额而不愿多付的公司来说,情况并不相同。

此外,Harjot 表示,为了处理他们的 PR 产出量,一套 CI 解决方案向他们报出了每年 1,300 万美元的价格,但这一价格促使他决定使用智能体自行构建 CI 系统。整个过程耗时一周,新 CI 的成本比报价低 50%,性能则大致相当。

4. 2021 年时,Harjot 相信 AI 将编写大部分代码。在 FluxNinja 工作期间,Harjot 发现代码审查已经开始成为瓶颈,而 GitHub Copilot 的自动补全功能在一定程度上加快了代码编写速度。他误判了潜在市场规模,原以为只有那些购买 Snyk 和 SonarSource 等代码验证解决方案的大型公司才会购买 AI 代码审查工具——但实际上,几乎所有人都会购买!

5. Harjot 认为,智能体需要能够“爬山”;它们必须拥有验证自身工作的方法。

以下是他认为必不可少的各个层面,其中包括他和团队正在使用的方法:

形式化模型,例如 TLA+ 和 Lean。对于他们的一款产品,工程团队使用了 TLA+,并发现了代码审查遗漏的竞态条件。最近,Harjot 又开始尝试另一种形式化方法 Lean。

本地确定性模拟。Harjot 的创业公司构建了一套模拟测试框架,用于对不同的交错执行方式(并发操作)进行模糊测试。

模拟真实 API。Harjot 在测试过程中会模拟 Google Cloud API 等 API 的行为。

开发环境。智能体可以在 Google Cloud 和 Vercel 等环境中启动服务,并确认它们在开发部署中能够正常运行。

生产环境:分阶段发布。Harjot 主张使用功能开关发布功能,并进行渐进式发布。他说,他们经常会让一个智能体观察发布过程中的性能特征、检查日志,并在一切稳定后继续扩大发布范围。最后这部分让我想起了 OpenAI 软件工厂中的 Perf Factory。

6. 人工代码审查已死,人工审查万岁!Harjot 认为,我们将不再审查由智能体生成的代码,而是会花更多时间审查规划和最终交付物。在 CodeRabbit,工程师审查的是发布版本(包含多个 PR),而不是单个 PR。

7. 工程师可能会被禁止在未经人工审查的情况下提交代码。公司设有一份“免审名单”,名单上的开发者无需任何人审查其发布内容,就能直接推送到生产环境。当发生服务中断时,团队会追查导致生产环境出故障的 PR,推送该 PR 的开发者会被记一次“过失”。累计足够多的过失后,其发布就必须由同事审查。我个人很喜欢这种做法:给予开发者推送到生产环境的信任,同时也要求他们承担责任——如果你导致生产环境不稳定,这份信任就会被收回!

8. 微调模型已不再值得。CodeRabbit 过去曾投入资源微调用于 AI 审查的模型,但 Harjot 表示,新的前沿模型迭代速度越来越快,这意味着维护自己的微调模型会非常困难,因此不值得这样做。

9. 他们会设立“作战室”。为了完成重要工作,工程师、产品人员和设计师会聚集在同一个房间里,共同引导智能体,先构建原型,再做出可用的产品。这种方式让我想起了 2016 年的 Uber,不同之处在于,当时的“作战室”行动会持续 2 至 3 周,人们从不同办公室飞来会合,目的是就计划达成一致,并做出一个初步原型。之后,团队还要用数月时间完成其余工作。

10. Harjot 招聘工程师时看重的特质:主观能动性、经验广度和系统思维。他发布了一则不同寻常的招聘广告,只邀请符合以下条件的候选人:过去 30 天内提交过 1,000 多个并非粗制滥造的 PR,或者玩过 500 多个小时的策略及经营管理类游戏,例如《文明》《帝国时代》《运输大亨》或《异星工厂》。Harjot 表示,同时运行数十个智能体,与玩一款需要追踪数十个单位各自在做什么的策略电子游戏之间存在诸多相似之处;一旦意识到这一点,他就再也无法忽视它。

补充思考

这次对话让我思考了很多。我的第一反应是质疑,为什么会有人每个月在 AI 上花这么多钱;我本以为这纯属浪费。因此,我很高兴能进一步了解 Harjot 为何会采取这种做法。我感觉,他正在把单个人类开发者并行运行数百个智能体时所能做到的事情推向极限,而他仍然有多到无法全部实现的想法。此外,他也不必为自己的 AI 支出预算担忧!

在使用量相同的情况下,支出能否大幅降低?Harjot 和 CodeRabbit 支付的是前沿模型的 API 费用,并未使用开放模型。在本周关于推理的深度解析中,我们讨论了由于 KV 缓存的特殊性,编程用例对推理服务商和前沿模型公司而言有多么赚钱;也解释了同样由于 KV 缓存带来的盈利空间,面向个人和小企业、每月 200 美元的 Max 套餐所提供的使用量,更接近每月 8,000 至 14,000 美元的 API 用量。改用开放模型无疑可以削减相当一部分支出,但代价是牺牲部分能力。

工程师与策略游戏玩家的组合有助于将 AI 智能体的使用推向更高水平?Harjot 并不是什么不懂技术的“氛围编程者”:他已经编程 30 年,在转向 AI 智能体之前主要使用 Neovim。他长期痴迷于基础设施和分布式系统,年轻时还玩过《文明》。他发现这两类活动之间存在相似之处,而他将这些特点写进职位描述的做法也很有意思。

AI 智能体的“德古拉效应”确实存在。我经常看到 AI 智能体像 Steve Yegge 在 2 月提到的那样产生“德古拉效应”,把人们的精力吸干。Harjot 也表示自己的睡眠受到了干扰,比如会在夜里醒来推动一下他的智能体。

资金充足且笃信 AI 的创业公司,或许能从使用 AI 进行开发中获得巨大的回报。在我们的对话过程中,我开始理解 Harjot 和 CodeRabbit 为何在 AI 上投入如此巨额的资金是有道理的。他们需要构建 AI 原生创业公司愿意使用的解决方案,而 CodeRabbit 自身对 AI 的笃信,也让它拥有第一手洞见以及与客户产生共鸣的优势。Harjot 和 CodeRabbit 的工作方式有许多值得借鉴之处;与此同时,在大多数公司都开始收紧 AI 支出之际,这种方式似乎仍将局限于少数公司。

CodeRabbit 的业务定位是一家 AI 基础设施创业公司,而新产品的上市速度是一个巨大的差异化因素。在这种背景下,CodeRabbit 在内部构建大量软件,再将其中一部分产品化,是合乎情理的;这些产品可能会带来收入,并在未来提升公司的估值。我认为了解这类方法很有帮助,即使你最终认定这条路对自己、团队或公司并不可行。

与本期节目相关的《务实工程师》深度解析

• OpenAI 的智能体软件工厂内幕

• 代码审查正在发生什么变化?

• 软件工程师在 AI 上投入的投资回报率是多少?

• Ramp 为何自行构建内部编程智能体 Inspect

• AI SRE:它是什么、会如何改变值班响应——以及它真的有效吗?

• 与 Dex Horthy 探讨上下文工程

• 与 Hillel Wayne 探讨形式化方法

• 与 Tibo Sottiaux 探讨 Codex 的构建

时间戳

00:00 开场

03:17 Harjot 如何在一个月内提交超过 5,000 个拉取请求

08:46 Harjot 进入科技行业的历程及其最初创办的几家公司

12:25 对 AI 的早期笃信与创办 CodeRabbit

14:40 转向 AI 编程

20:35 软件工厂详解

25:37 什么正在取代人工代码审查

38:44 技术债务与清理测试中的 AI 垃圾

54:57 2026 年的创业融资与 AI 支出的价值

1:08:20 招聘

1:13:03 工作节奏、睡眠与职业倦怠

1:21:55 AI 时代所需的技能

1:24:30 图书推荐

参考资料

在哪里可以找到 Harjot Gill:

本期节目中提到的内容:

Harjot 关于其拉取请求数据和 token 支出的帖子:Harjot Gill@harjotsgill我在一个月内大约提交了 3,000 个 PR(和 @poteto 大致处于同一数量级),每月的 token 支出约为 $200K。所有这些代码创造的价值高达数百万,甚至数十亿!Theo - t3.gg @theo我对此有一些异议。

每年 $132m 这个数字完全不真实。按今天的价格计算,更接近 $3m,而一年内可能低至 $1.2k。

没错,$132m -> $1.2k。听我解释。

1. 列出的价格完全不准确。

每月 $11m 根本就是错的。真正的“API 成本”大概是 $100k-$500k https://t.co/SYv99MvfTY2026 年 10 月 7 日晚上 10:29 · 10.6K 次浏览

6 条回复 · 3 次转发 · 49 个赞

Tesla 全自动驾驶(监督版):https://www.tesla.com/fsd

宾夕法尼亚大学:https://www.upenn.edu

任何规模下的 Git(Cursor 关于 Origin 的帖子):https://cursor.com/blog/git-at-any-scale

Jake Runzer 关于 Railway 事件的帖子:Jake@jakerunzer@JustJake @joshmanders @Railway @ngeloxyz 啊,对。那确实是我。没有恶意。我一直在运行一些智能体,用它们在类似平台上注册并开展智能体测试。我刚刚停止了围绕这件事设计的测试框架,因为它显然已经失控,而且伸得太远了。2026 年 11 月 3 日凌晨 4:29 · 1.05M 次浏览

291 条回复 · 55 次转发 · 740 个赞

Harjot 发布 CodeRabbit 每周提交量图表的帖子:Harjot Gill@harjotsgill本周,我们没有看到交付速度提升。由于服务商的 CI 容量问题,我们陷入了停滞;更糟糕的是,就连我们的云服务商也已没有容量托管我们的运行器。风投机构正为投资速度更快、成本更低的运行器而兴奋,与此同时……Harjot Gill @harjotsgill我们 @coderabbitai 上周提交了 5K 个 PR。我们这个小团队的交付量超过了一支千人开发团队。而且我们距离发挥最大潜力还差得很远。如果能正确地将软件开发工业化,每周提交 50K 个 PR 完全可以实现,甚至还能更多。照这样 https://t.co/CjtLhs3oII2026 年 10 月 26 日晚上 8:56 · 16.2K 次浏览

16 条回复 · 5 次转发 · 58 个赞

Harjot 关于 $8M+ 的种子轮融资已不再够用的帖子:Harjot Gill@harjotsgill我们在 @coderabbitai 以及这条抛物线式增长轨迹上的其他地方看到,即使规模更大的种子轮融资($8M+),也已不足以打造一家软件企业。软件工厂需要高质量的 token 和大规模计算资源,以运行 CI、沙箱及其他基础设施……2026 年 10 月 29 日晚上 10:22 · 148K 次浏览

36 条回复 · 13 次转发 · 145 个赞

Harjot 关于职业倦怠的帖子:Harjot Gill@harjotsgill@GergelyOrosz CodeRabbit 已经是我的第三家创业公司,我为前两家公司(Netsil 和 FluxNinja)工作时也同样拼命。职业倦怠从来不是因为努力工作而发生的。只有当努力工作长期无法带来预期结果时,它才会出现。

家庭方面,我的两个女儿出生于……2025 年 8 月 14 日下午 2:36 · 7.41K 次浏览

8 条回复 · 33 个赞

提到的技术、工具和供应商:

LTX(SQLite 复制文件格式):https://github.com/superfly/ltx

—

由 Pen Name 负责制作与营销。

关于本期节目的讨论

准备好阅读更多内容了吗?

来源

Pragmatic Engineer