行业与实践 · 研究与基准测试

我们自己跑的基准，和对公开数据的核对。结论附带方法与局限。

研究与基准测试2026-09-2814 分钟
有人评，才合得进去：智能体拉取请求怎么过代码评审
MSR 2026 用 AIDev 看 33,596 条智能体拉取请求。总体合并 71.5%，但 Codex 82.6%，Copilot 只有 43.0%。至少有一次评审与合并相关最强；变更更大和强制推送则更难合并。多改几版或补测试，在控制协作信号后没有显著作用。
研究与基准测试2026-09-2819 分钟
智能体还停在流水线的数据面：CI/CD 里的权限转移
把智能体放进持续集成，眼下还不是把发布权交出去。2026 年这篇愿景文区分数据面和控制面：补丁和重跑测试可以交给智能体，改部署策略和批准关口仍然要人批。安全靠外围治理，评测还没跟上。