Claude狂写80%代码，Anthropic的CI半年被撑爆25倍

Anthropic披露内部数据：全公司80%的代码由Claude编写，工程师人均每季度交付代码量达2021—2025年平均水平的8倍。Claude还承担大量PR审查与合并批准工作。写代码、审代码不再是瓶颈，但CI系统在半年内被压垮：测试用例激增10倍，CI任务量暴涨25倍。

根本原因在于AI与人类研发行为模式的差异。人类提交PR数量有限、倾向打包改动，且需要休息，CI有低谷期消化任务。而Claude偏爱提交粒度极细的小PR，导致流水线触发频次几何级增长；且Agent全天候运行，深夜周末不间断提交，彻底抹平系统低谷期；同时顺手生成大量单元与集成测试，测试规模激增10倍。

Anthropic曾打造确定性测试影响分析服务，依赖Listener记录测试结果、Selector决定每个PR跑哪些测试。但为严格按时序记录，系统设计为单进程写入。面对Claude每秒数千上万并发任务，Listener严重滞后，仅落后20分钟就会导致数万次测试状态无法同步，造成错误代码被合并、偶发失败阻塞合流、回归风险飙升。

团队三次止血均告失败：Patch 1换更大机器、核数翻倍，只撑了70天；Patch 2改为每个package独立shard worker，撑了29天；Patch 3每日重启。到2026年3月，单体服务彻底崩溃，每个工作日午后即触发内存上限OOM。排查仅找到4个微小Bug，替换Go/Rust内存分配器优化GC均无效。因不敢做生产环境内存分析，只能每日定时自动重启，但在AI高并发下连一天都撑不过，造成严重数据丢包，Listener常落后1小时以上，测试选择器只能凭陈旧数据决策，全公司CI大面积瘫痪。

最终团队采纳Claude几个月前的建议，推倒重来：剥离单体内存状态，转向分布式无状态设计，引入内存数据存储、异步轻量汇聚、Selector秒级只读解耦。上线调优后，此前每周堆积数十万的未处理事件队列瞬间被拉成水平直线。

此次事故验证了一个判断：AI编程的冲击已从“程序员会不会失业”进入“整套软件工程体系会不会过载”。一个过去不起眼的单实例服务，完全可能成为整个团队的等待瓶颈。AI编程竞争正从代码生成能力延伸到工程体系承载能力。代码可以一夜暴增，交付能力得跟上。