Every 的记者 Laura Entis 上周走进 OpenAI 总部，写下一篇报道，名字叫《Before the Deluge》——洪水之前。
报道里说，旧金山满城的广告牌都在承诺同一个未来：Agent 时代已经到来，人类工程师的编程工作会被自动化掉。楼里的实况，和广告牌只差一个字：工作确实被自动化了——但它没有掉，它涨了，涨成了洪水。
文章从一个深夜开始。
00 · 半夜，Agent 在自己修故障
一个跑在研究员笔记本上的编码 Agent，在 Slack 里报告：数据导出失败了。
研究员睡了。当晚值班的基础设施工程师 Katz 也睡了。
Agent 没睡。它有权限，有工具，就自己动手：排查故障、验证猜想、换思路重来，一路在频道里记录进展。到早上，研究员拿到了数据。Katz 和他的团队，一步都没介入。
单看这一幕，广告牌说得没错。
但这篇报道真正的主角，不是半夜干活的 Agent——是白天收拾烂摊子的人。
01 · 代码洪水从哪里来
几个数字：
GPT-5.5 发布几周内，Codex 桌面端在 OpenAI 内部的采用率接近 100%。数据平台团队的 PR 量，一年涨了 5 到 10 倍。5000 多名员工在用内部数据分析 Agent 直接查数据仓库。员工不限 token，一批 UI bug 扔出去，多个 Agent 并行写修复、跑测试、在浏览器里自己点一遍受影响的页面。
洪水里相当一部分，来自不写代码的人。运营在生成 Flink 数据流任务。数据平台负责人 Emma Tang 说：「我们有用户在生成 Flink 作业，但他们根本不懂 Flink。」以前想要个内部小工具，得排队等工程师；现在，任何人都能「周一早上抱着周末做好的原型来上班」。
02 · 没人认领这些代码了
代价在另一头：
出了问题，作者自己讲不清自己交付了什么。一个 vibe coding 出来的应用可能每几秒刷新一次数据，而它依赖的分析系统一天才更新一次。要真接上生产系统，「跑在哪」「谁维护」这些问题，写它的人根本看不见。
Tang说:
「Nobody owns it anymore except us.」
没人认领这些代码了——除了我们。
不要以为这是“用了 AI 但没用好”的故事。恰恰相反，越用得好，洪水越大。Katz 的团队给 Codex 加了个技能，让它代员工查内部数据导出系统，不用再写 SQL。两周之内，这个技能占了整个导出系统一半以上的用量。然后所有的边缘情况、所有没人写过文档的角落，全落回 Katz 头上。他的团队「资源受限」，「积压的活，永远比人多」。
Tang 说得更直接：「如果有人说他有完整的解决方案，那他多半只是没看到全貌。」
这里藏着一个要害：AI 把代码的生产权分发给了所有人，却没有把责任一起分发出去。生产权扩散了，维护责任还沉积在原来那几个人身上。真正淹没 OpenAI 的不只是代码——是无人认领的责任。
03 · 验收系统，是按人类手速设计的
应用基础设施 VP Venkat Venkataramani 给了全篇最重的判断：今天的洪水，回头看只是毛毛雨。不远的将来，过去一年的事故量，可能压进一周发生。
危险不在水量。高质量代码多了，只是软件多了。危险在洪水夹带的东西——bug、安全漏洞、藏在海量变更里的隐患。水量放大 10 倍、100 倍，哪怕污染比例不变，绝对量就是灾难。
现有的两道闸口：CI（持续集成）在代码合入前测试它，CD（持续部署）把过检的代码发进生产。这套关卡是前 Agent 时代建的——按人类写代码的速度设计的。
那把 CI/CD 扩容行不行？他的反问是：「你只是让每天多灌进来 100 倍的代码——then what？」
扩容管道，不会让水变干净。
因为“验收”从来不只是测试资源的问题。它至少是三件事：确认代码做的是不是原本想做的事，确认它不会伤害别的系统，确认出了问题谁负责。三件事，对应三层天花板。
吞吐量天花板：代码涨十倍，reviewer 不可能涨十倍。
理解力天花板：审查者面对的，不再是作者想清楚才提交的代码，而是作者自己也没消化的生成物。
责任天花板：测试全绿、上线出事，后果算谁的——生成者、提示者、审查 Agent，还是模型供应商？
AI 可以把一行代码复制一千份，却不能把理解和责任复制一千份。
代码可以并行生成，责任却仍然串行结算。
代码产量在起飞，验收撞上三层天花板。来源：Every《Before the Deluge》
04 · 判断力下沉，责任向上集中
这位 VP 的方案像现代城市的雨洪管理：不靠一个下游闸口，在多个位置分层过滤。「你加 10 层这样的过滤，最后总能拿到干净的水。」报道里已经能看到四层的雏形——
源头立下规矩。数据平台团队的工程师现在就这么干：修完一个故障，顺手把经验写进公司共享的 Codex 指令，让它下次自己不犯。
专职审查 Agent。写代码的 Agent 只管写，审查 Agent 按系统属主团队的规矩审；大变更要过十几个子 Agent 的完整流程。
全天候监控 Agent。不看代码，看行为：盯着运行中的系统，在问题扩散前隔离它。
基础设施自带判断。最激进的一层：哪怕前面所有关卡都亮了绿灯，基础设施本身可以拒绝执行不安全的操作。Tang 说它要有「自己的智能，像一个人类操作员坐在那个服务里」。
可复制的判断下沉进系统，必须负责的判断向人上移。来源：OpenAI 应用基础设施团队
但判断力没有消失，它在做一次双向迁移：重复、稳定、说得清规则的判断，被写进 Skill、审查 Agent 和基础设施，往下沉；模糊、冲突、要担后果的判断，往人身上移。那位 VP 还有一个预判：code review 会让位给 prompt review，再让位给 plan review。工程师最终审的不是代码，是意图：先是需求规格，再是架构文档，最后是业务问题本身。
机器接管的是可复制的判断，人保留的是必须负责的判断。
有个细节：即便已经上了生成 Agent、审查 Agent、十几个子 Agent，受访的这支团队至今仍然让人工 reviewer 看过每一个 PR。这不是流程惯性，它说明四层过滤扩容了验证，唯独没能扩容责任。
所以人的门槛在涨。Tang 描述她的团队：过去的砖瓦工，现在是施工经理：「开着 10 个 Codex 线程，只盯它有没有干对。」有主见、强 ownership、自驱，这些过去的加分项，现在是硬条件。「我们现在只招这样的人。」
这话我有体感。这几个月天天带着 Agent 写代码,最费劲的一件事,是把项目的背景、边界、规矩都喂给 AI,让它别跑偏。审它写的代码也不轻松:没有架构功底,看不出它埋的雷——关键 bug 实在不少。AI 时代对程序员的要求,只会比以前更高。
05 · 一份已经在跑的答卷：两个人四年，一个人两个月
Tang 说没人有完整解法。但6月份在我们 CSDN 主办的 GOSIM 全球开源创新汇的Agentic Software Engineering会场里，我看到了一份答卷，来自 dora-rs 的 maintainer 何勇。何勇是位多年的资深架构师，有小二十年没怎么亲手写代码了；2026 年模型编码能力的大进展，把他重新拉回了一线。
dora-rs 是一个开源的机器人数据流框架。此前的账本是：两位顶尖工程师，四年半，写出约 4 万行 Rust。2026 年 2 月起，一个人带着一队 Agent，用两个月把代码库翻倍重写到 8 万行，打出 1.0 的候选版本。这活原本雇两个工程师干 2 到 3 年。重写类工作压缩了一个数量级；
但何勇整场分享反复强调的不是快。他的原话：
「速度本身证明不了什么——谁都能快速生成代码。关键是可信度。」
可信度是怎么工程出来的？三件事，每一件都对着前面那三层天花板。
第一件，Agent 进场之前，先修了一年验收基础设施。分层 QA、变异测试（故意往代码里塞错，看测试网能不能兜住）、覆盖率闸口，都是 2025 年铺的，冲着吞吐量天花板去的。他的结论就一句：真正承重的是基础设施，不是模型。
第二件，把测试写成 Agent 的合同。TDD 直接写进 AGENTS.md：先写挂掉的测试，再写最小实现。结果是，这个仓库里非示例代码的 28% 是测试——用他的话说，Agent 写的大部分代码，是让其余代码可信的测试。测试不再和功能抢预算，因为它们以同一个吞吐被生产出来。
第三件，让两个模型家族互相咬。Claude 和 Codex 对抗式互查：模型家族不同，盲点就不同，缺陷很难同时逃过两边。他给了一个具体样本，一个 PR 三轮迭代，抓出三个真实 bug，每一个都是被“另一家”抓到的。理解力天花板就这么拆：你没法逐行读 Agent 写的测试，那就让另一个 Agent 去读。这条路线不孤单—《代码整洁之道》的作者、写了六十年代码的 Uncle Bob，上月底也公开说他完全不读 Agent 写的代码，靠一整套测试约束兜底。
那责任呢？收敛成闸口。稳态下的一天：11 个 PR 合入，约 5000 行代码被审，人只做 5 到 10 个决策——merge 权限和一切不可逆动作，始终在人手里。调度自动化了；权力没有。
同一道“人守哪道闸”的题，OpenAI 受访团队的答案是人仍看每个 PR，何勇的答案是每天只做 5 到 10 个决策——两个答案把闸口画在了完全不同的层级上。这条线画在哪，行业还远没有共识。
何勇的收束句，值得原样抄下来：
「拿掉任何一根支柱，工厂就退化成高速技术债。」
三根支柱各对一层天花板，拿掉任何一根都退化成技术债。来源：何勇 · GOSIM 分享
06 · 代码变便宜之后，最贵的是验收
四个月前，Box CEO Aaron Levie 判断：企业里的 Agent 数量，最终会是员工的 100 倍甚至 1000 倍，Agent 将成为软件最主要的用户。Every 的报道补上了另一半：当 Agent 同时成了软件的主要生产者，最先扛不住的是验收、基础设施和责任系统，而不是产品界面。预言讨论的是 Agent 会有多少；OpenAI 的现场讲的是，它们来了之后，谁收拾它们留下的东西。
收拾这件事，市场已经开始标价了。
三个资深工程师最近成立了一家叫 Slopfix 的公司，专做一件事：删 AI 生成的代码。一周 1 万美元，先承诺一个减量目标，按达成比例收钱：承诺删一半、只删掉两成，客户就只付四成的钱。行数按非空非注释行统计，合同里明文禁止 code golf，防止靠压缩注释凑数。创始人描述的典型客户是：打电话来说要做个“简单的重构”，然后发来十万行 AI 生成的代码。前 30% 好删；难的是往下的 30%——定价就定在“做别人做不到的事”上。
两个细节最有意思。一，他们自己用的工具就是 Claude Code，但“拴着短绳”，他们的原话是：Agent 没有投票权。二，交付物除了瘦身后的代码库，还有一套防止再胖回去的护栏：CLAUDE.md 指令文件、lint 规则、CI 检查。名义上卖的是删除，实际交付的是过滤器。
删除已经有了市场定价。来源：odra.dev/slopfix
这不是孤例撑起来的段子。代码分析公司 GitClear 统计了 6.23 亿次代码变更：重复代码块的出现率创下其纪录以来的最高值，比 2023 年涨了 81%；而重构占变更行数的比例，从 2022 年的 21% 跌到 2026 年的不足 4%。Slopfix 只是给这个缺口开出了第一张价目表。
代码成了负债，删除成了产品。
这接回我自己的两条旧线。
一条，我在《代码变便宜，信任变昂贵》里推过：代码的生产成本趋零之后，稀缺的不再是产能，是信任。OpenAI 的报道和何勇的实践，把那个推演坐实到了工程层。信任有了具体形态：过滤器。
另一条，第三章里我写过，硅基时间的消费主体不再是人——API 不再是人调用，而是 Agent 自动调用。当时说的是生产那一侧。现在验收这一侧的答案也出来了：硅基时间可以无限并发，碳基验收不能。旧秩序里最后失效的，不是生产环节，是验收环节。
07 · 造过滤器的人
OpenAI 之外，中国的代码平台也撞上了同一个瓶颈。AtomGit 的代码审计已经上线，现在每周有将近 1 万条 PR 被它检视一遍，一周的 token 消耗接近 60 亿。过去我们把代码审计理解为开发平台的一项能力；跑起来之后再看，它正在变成 Agent 时代的基础设施——当代码生产权向每个人开放，代码平台就不能只在一边帮人生产，还得在另一边建起过滤、追踪和责任机制。审计只是过滤层的一小块，生成前约束、多 Agent 互查、运行时监控、责任追踪，这条线上每一格都还空着。
AI Coding 发展的三个阶段：第一阶段，AI 消灭了代码的生产瓶颈；第二阶段——也就是现在——它暴露出验证瓶颈；第三阶段，企业得把判断和验收本身，也变成可调度的硅基能力。何勇的软件工厂，已经把一只脚踩进了第三阶段：连测试都由 Agent 生产，人只守着最后那几个判断闸口。
第三阶段,所谓 Harness Engineering(围绕大模型搭建工具、约束和反馈回路的工程)正在快速演化,后续会出现面向大模型开发的新工具和新方法论,但现在还不成熟。连 OpenAI 和 Anthropic,都在自己身上边摸索边迭代。给 IT公司CEO：鼓励 AI 编程，但先掂量自己有没有控制质量和产出的能力——尤其是往老系统里放 Agent 的时候。OpenAI 的洪水，就是从最核心的基础设施淹起的。一个自测：如果一段 AI 生成的代码今晚出事故，你能不能在十分钟内答出——谁提出，谁验收，谁维护，谁有权回滚？答不出，缺的就不是更强的模型，是责任的基础设施。
给刚上手 vibe coding 的人：别一开始就奔着复杂系统去。先拿自用小工具练手，从第一天起让 AI 连测试一起写。你能生成它，不等于你能为它规模化负责—周一早上快速生成的原型，和能接进生产的软件，中间差的就是那几道闸。给程序员：学会造那三道闸——先修验收基础设施，让不同的模型互相咬，merge 权限攥在自己手里。
所以这篇报道读完，我的判断浓缩成一句——
洪水时代最值钱的人，不是写代码的，是造过滤器的。
◇ ◆ ◇
相关链接：
Every 报道原文：https://every.to/p/openai-infrastructure Aaron Levie《Building for trillions of agents》：https://x.com/levie/article/2030714592238956960 Karpathy 回复：https://x.com/karpathy/status/2030722108322717778 Slopfix：https://odra.dev/slopfix GitClear《The Maintainability Gap》报告：https://www.gitclear.com/the_ai_code_quality_maintainability_gap dora-rs 开源仓库：https://github.com/dora-rs/dora
