智能体编程让CI系统不堪重负，Anthropic如何重构测试影响分析服务

Anthropic的工程效率在过去一年发生了根本性变化。工程师平均每季度的代码产出量是2021至2025年间的8倍，Claude负责生成其中约80%的代码，同时也深度参与PR审查与合并决策。代码生成不再是瓶颈，PR审查速度加快之后，持续集成系统开始承受前所未有的压力。与此同时，代码库中的测试数量增长了10倍，工程师规模却几乎没有扩张，两者叠加导致CI任务量在短短六个月内暴增25倍。

为应对这一压力，Anthropic早先构建了一套确定性测试影响分析服务，根据历史运行结果和代码包关联性来决定每次PR需要运行哪些测试，而非对所有变更运行全量测试。该服务由两个核心组件构成：监听器负责记录每次CI运行的测试结果，选择器则读取历史数据并决定每个PR应运行哪些测试。这一机制在任务量可控时运转良好，但当每秒都有多个CI任务并发时，监听器开始持续落后于PR队列，产生严重的数据滞后。

监听器一旦出现滞后，连锁影响便会迅速扩散。20分钟的滞后可能意味着数万条测试更新无法及时同步到选择器。若此时有问题代码被合并，失败的测试会干扰其他所有人的工作流；若某个依赖开始出现不稳定，不可靠的红色报错会阻塞合并；若某个测试被修复或新增，它在监听器追上进度之前都不会被纳入运行范围，从而埋下回归风险。由于需要维护每个测试的历史记录，整个服务只能以单进程方式运行，无法水平扩展。

面对持续告警，团队先后尝试了三次补丁。第一次将服务器核心数翻倍，撑了约70天。第二次借助Claude生成代码，将监听器按代码包拆分为独立分片并行处理，但仅维持了29天。第三次尝试每日重启服务，结果不到一天便再度失效，且重启本身导致服务逐渐积累更大的滞后，部分CI结果因此未被监听器捕获，测试选择组件开始依赖过时数据做决策。值得注意的是，这并不意味着代码未经测试就被推送到生产环境，而是测试选择的准确性受到了影响。

在整个排查过程中，Malhotra在Anthropic内部版本的Claude Tag中开启了一个长期会话，专门用于监控服务状态。每当监听器滞后超过5万个任务，Claude便会主动发出提醒并延续之前的对话，无需重复交代背景。Claude多次建议彻底重构，但团队通常选择再打一个补丁。这段经历本身也印证了智能体工具在工程运维场景中的实际价值——持续的上下文记忆让人机协作更加高效。

这次经历带来的核心启示并不在于具体用了哪些扩容手段，而在于每一种手段的有效窗口都在急剧缩短。一年前能撑数月的方案，如今只能撑数天。与此同时，由于编写代码本身不再是瓶颈，彻底重新设计一个服务所需的时间也大幅缩短，且能带来更持久的收益。Malhotra认为，随着智能体持续加速代码生成与审查，水平扩展的测试选择架构将成为行业标准，提前为指数级增长做好架构规划，远比反复打补丁更有价值。

要点

• 智能体编程使Anthropic工程师代码产出量提升8倍，CI任务量六个月内暴增25倍，测试影响分析服务多次濒临崩溃
• 三次临时补丁（扩核、分片、重启）的有效期依次为70天、29天和不足一天，每次修复的边际收益急剧递减
• 监听器滞后会导致测试选择依赖过时数据，引发误报、漏测等连锁问题，对AI驱动的开发流程影响尤为显著
• 在智能体时代，彻底重构服务架构的成本已大幅降低，提前规划指数级增长比反复打补丁更具长期价值
• 水平扩展的测试选择架构预计将成为行业标准，工程团队应尽早评估现有CI基础设施的扩展上限