Grok工程师月交3000个PR:禁注释重验证,AI编程信任危机何解?

资讯 AI 应用前沿 全文 3295 字 · 约 9 分钟读完 配图 6 张 分类GrokSpaceXxAIAI 编程太空航天

SpaceX SI首席工程师Lauren Tan分享Grok Bot团队的高效开发实践。核心观点包括禁止99%代码注释以防Agent模仿错误模式,将自然语言规则转化为Lint和类型系统等确定性检查,以及利用TLA+、Lean等工具进行形式化验证。通过构建高信任度的代码环境,团队实现月均1.1万个PR且撤回率仅0.5%,

所属频道 大厂动态AI 编程与开发太空与航天

代码越写越多,反倒像长满杂草,AI编程的信任危机就摆在这儿了。

在AI Engineer CODE大会上,SpaceX SI首席工程师Lauren Tan(圈内叫她“土豆姐”)说了一句挺挑事的话:“所有代码都是一坨,除了我的。”

文章配图

这话听着狂,背后是她眼下在Grok Bot团队的成绩:上个月她一个人交了3000个PR(Pull Request)。整个团队同期交付1.1万个PR,撤回率只有0.5%。

文章配图

按传统软件工程的看法,这样的吞吐量往往意味着质量垮掉。Lauren的判断相反:方法对了,AI既能提速,也能把代码质量守住甚至往上提。

文章配图

她把眼下的难题叫“信任问题”。过去的开发流程建立在低信任度上,得靠大量人工审查和冗余注释兜底;到了AI时代,工程目标变成搭一个高信任度环境,让Agent自己就能干对活。

文章配图

她为此提出“信任倒金字塔模型”。占最大头、处在最顶层的是代码本身的质量,涵盖API设计、架构是否合理、重构力度够不够;中间一层是Lint规则、类型系统、编译器和自动化测试这类确定性检查工具;自然语言指导——Rules、Skills和AGENTS.md文件——排在最底层。

文章配图

Lauren强调,工程师的精力绝大部分该砸在前两层。代码库里要是塞满临时补丁、废弃逻辑和技术债,Agent就会把这些“杂草”当成规范,照着学,还把错误放大。

禁掉99%的注释,等于把错误传播的链条剪断。

落到具体做法,Lauren的第一条建议出人意料:99%的代码注释直接禁掉。

这个决定来自她在Cursor那段教训。当时Cursor客户端用Electron架构,VS Code的命令式风格和React的声明式风格混在一起,架构冲突之下,Agent更愿意用setTimeout、requestAnimationFrame这类定时器打补丁,用来处理异步状态同步。

这些临时方案让垃圾回收(Garbage Collection)频繁触发,应用跟着卡顿。更麻烦的是,Agent还会在代码旁边写一大堆注释,说明“为什么非这么写不可”。

问题就出在后面:下一个Agent读代码时把注释一并读进去,认定这是深思熟虑的最佳实践。于是新Agent继续照搬,生成更多同类定时器补丁和解释性注释。恶性循环一开,代码库很快腐化,性能直线下滑。

到了Grok Bot项目,Lauren把这条链彻底掐断。她不许Agent写解释性注释,改为依赖Lint规则和明确的错误提示。代码要是有架构问题,Lint工具直接报错,逼着Agent去修根因,而不是拿注释把问题盖住。

这样一来,代码必须自己把话说清楚。一段代码复杂到非加注释才看得懂,那它该被重构,不该被解释。

用确定性约束替掉自然语言规则。

不少开发者用AI编程时,习惯往AGENTS.md文件里写自然语言规则,比如“不要使用useEffect”“注意内存泄漏”。Lauren认为这么做效率很低。

自然语言本身就模糊,Agent得额外花Token去猜意图,还没法保证严格遵守。更管用的办法,是把这些要求变成确定性的工程约束。

拿React里的useEffect来说,这个Hook管副作用,可它的依赖数组和清理逻辑特别容易出错,甚至被调侃“得读个博士才用得好”。Grok Bot团队做客户端框架Dune时,干脆在产品代码层面禁用了useEffect,只允许框架内部的特定API使用它。

靠架构层面的限制,团队从源头堵掉了Agent误用的可能。这种“一了百了”的做法,比一遍遍提醒Agent“小心使用”靠谱得多。

Lauren把处理Agent错误的标准流程总结成了一套。

  1. 碰到Agent写出错代码,光在文档里记一笔远远不够;要马上补上对应的Lint规则,或者用类型系统把不合法的调用卡住。
  2. 某个API老被用错,多半是设计本身有毛病,得重新设计把歧义消掉。存量问题则靠自动化工具跑一遍,把代码库里同类毛病一并修掉。

这么循环下去,Agent能犯的重复性错误越来越少,代码库的“免疫力”也一点点长起来。

验证的黄金时代:从代码审查到形式化证明

代码库够干净、约束够明确之后,重心就挪到了验证上。Lauren透露,团队目前约70%的Token花在验证阶段,代码生成反倒占得少。

传统代码审查靠人类专家逐行读,可日均350个PR的吞吐量下,这条路走不通。Grok Bot团队把审查自动化,主要靠三种手段:运行时验证、形式化验证和基于属性的测试。

运行时验证:给Agent装上“眼睛”

团队让Agent能跑起应用,还接入了Chrome DevTools Protocol(CDP)等调试工具。为了让它看懂界面元素,他们做了一张用户视角的“功能地图”,类似网站的Sitemap。Agent不用再猜“左侧边栏下方的按钮”对应哪个DOM节点,靠坐标和语义就能直接定位。

常用操作则封装成自定义CLI和驱动程序,收进验证Skills里。Token省下来了,验证工具本身也能单独测试和维护。

形式化验证:数学级的正确性保证

逻辑更核心的那一层,团队搬出了TLA+和Lean两种数学验证工具。

TLA+管模型检查,看系统在多种状态转换下是否满足预期约束,比如分布式场景里有没有死锁、数据是否不一致。Lean负责形式化证明,保证特定算法的逻辑正确。

这类工具过去门槛高、成本大,日常开发里很少用。有了AI辅助,编写和维护形式化规约的成本大幅下降,数学级验证才变得可行。

基于属性的测试:Bombadil的实践

界面部分,团队用Bombadil做基于属性的测试(Property-Based Testing)。它不检查预设的操作结果,而是看程序是否满足某些通用性质,比如“无论输入什么数据,列表排序后都应该是有序的”。大量随机输入灌进去,边缘情况覆盖得更多,人类想不到的Bug也能被揪出来。

自动化闭环:从模糊测试到自动合并

这套体系走到最后,是一个高度自动化的开发闭环。

Grok Bot每发一个新版本,系统就自动开一个Cursor项目,调云端Agent对整个应用做模糊测试。这些Agent模仿真实用户,随机点击、输入、跳转,找可能崩溃的地方和逻辑错误。

发现Bug后,Agent自动提修复PR,所有验证一过就直接合并。据Lauren透露,团队合入的大部分产品代码,已经不需要人类再深入审查。工程师从“代码撰写者”和“细节审查者”,变成了“架构设计师”和“规则制定者”。

当然,这转变不是一天完成的。Lauren花了六个月,才把架构约束、自动化验证和形式化检查这套完整流程搭起来。

结语:园艺师而非搬砖工

Lauren Tan的实践指向一个趋势:AI编程时代,软件工程师的工作性质正在根本性改变。

工程师的角色变了。以前更像搬砖的,一行行垒代码;如今更接近园艺师,修剪杂草、规划布局、扎好围栏才是日常。代码库也不再是躺着不动的资产,它自己会长,是个活的生态。工程师的价值就落在两件事上:怎么定这套系统的生长规则,怎么保证它猛长的时候不跑偏。

注释一律禁掉、类型必须强化、再引入形式化验证——这些手段听着挺极端,说到底是为了贴合AI的脾气。把含糊的自然语言交互,换成精确的工程信号,AI的生产力才真正放得出来。

普通开发者倒不必马上去追月提3000个PR那种极限效率。不过“把规则写成代码,别写成文档”这个思路,每个用AI辅助的项目都值得试一试。道理很简单:AI能读懂代码,就用不着去读你的注释。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 深夜,美股AI血崩,英伟达市值已跌去2.7万亿美元

    智东西(公众号:zhidxcom)编译 | ZeR0编辑 | 漠影智东西11月21日消息,一夜之间,美股惨遭“黑色星期五”,对AI泡沫加剧的担忧引发华尔街抛售潮,恐慌情绪集中爆发,美国科技股一片哀嚎,英伟达股价暴跌14%,戴尔暴跌11%,Anthropic暴跌9%,甲骨文、SpaceX、特斯拉暴跌8%,Meta暴跌6%

    来源 腾讯网
  2. SpaceX 430亿AI芯片抵押融资卡壳:太空数据中心计划撞上债权人条款

    IT 之家 11 月 20 日消息,据《金融时报》今日报道,SpaceX 最新一笔以英伟达 AI 芯片为抵押的 430 亿美元(IT之家注:现汇率约合 2,877.55 亿元人民币)债务融资,正与其 CEO 埃隆 · 马斯克的太空 AI 数据中心计划产生冲突。为这笔融资提供支持的贷款方曾试图在合同中加入限制条款,禁止

    来源 腾讯网
  3. 谷歌让AI自改运行框架:成功率由5%升至40%

    谷歌11月17日论文发现:只优化提示词,AI智能体成功率反从5%降至2.5%;而让优化模型直接改写其运行框架Harness,成功率升至40%,提升8倍。团队将仅142行的初始编程智能体拆成四块逐一改造,Harness负责上下文与记忆管理、多轮任务调度、工具调用及结果验证。结论是改框架比磨提示词更有效。

    来源 AI 产业速递
  4. Anthropic上市前遭90位大奖得主联名质疑:安全人设还站得住吗?

    11月20日凌晨,Anthropic登陆纳斯达克,IPO募资813亿美元,超越SpaceX的750亿美元纪录,成史上最大规模股票发行;首日收涨17.07%,市值1.271万亿美元。但上市前夕,《MisAnthropic Statement》公开信流传,直指其“安全人设”,诺奖、图灵奖、菲尔兹奖罕见同框,近90人联署。

    来源 AI 产业速递
  5. 菲律宾与SpaceX谈建发射场,马科斯证实在磋商

    【菲律宾盯上太空生意,欲引进SpaceX,马斯克会答应吗?】马斯克要把火箭发射场建到菲律宾去了?菲律宾总统马科斯亲自证实,菲律宾正在与SpaceX进行初步磋商,探讨在菲律宾建设商业航天发射场的可能性。11月20日,马科斯在深圳出席APEC会议期间透露了这一消息。不过,目前双方尚未敲定具体选址,也没有公布正式合作协议。菲

    来源 AI 行业观察
  6. Anthropic与SpaceX合作愉快,未来算力怎么安排?

    【环球网科技综合报道】11月20日消息,Anthropic首席执行官达里奥·阿莫代伊(Dario Amodei)在公司上市当天接受CNBC采访时表示,SpaceX 提供的算力质量较高,Anthropic目前与对方合作愉快。对于Anthropic是否会在合同允许时减少对SpaceX算力的使用,转向其他供应商。阿莫代伊表示

    来源 腾讯网
  7. 谷歌签下蓝色起源:2029年用New Glenn发射AI卫星

    2026年11月19日,谷歌宣布与蓝色起源签约,将于2029年第一季度用New Glenn重型火箭执行Project Suncatcher首次专用重型发射,把搭载TPU的AI卫星送入太阳同步轨道。在此之前,谷歌已于10月完成史上首次轨道数据中心级AI推理测试——机载Gemma 4模型生成的俳句在挪威斯瓦尔巴群

    来源 AI 科技快讯
  8. 得州新州长回应马斯克示好:不反对数据中心,愿合作但先保居民利益

    美国科技巨头与政治力量之间的关系,正在中期选举后面临重新调整。得州当选州长 Gina Hinojosa 对数据中心投资持审慎态度,但表示愿意与马斯克合作。她主张,在州议会通过保护居民利益的相关立法之前,暂停发放新的数据中心许可。这一立场可能给 SpaceX 在得州 Starbase 计划投资约240亿美元的数据中心及配

    来源 腾讯网
  9. Gemini 4 翻身背后:SemiAnalysis 填表道歉,Hassabis 接梗回应

    Google DeepMind通过组织调整、算力重新分配和训练体系升级,在短短七周内连续推出四款Gemini 4模型。依托大规模预训练、多线并行研发和真实工程场景的强化学习训练,Gemini在编程和Agent能力上实现突破,重返行业第一梯队,此前唱衰Google的SemiAnalysis也公开致歉。

    来源 华尔街见闻
  10. 国星宇航港股首日破发:AI卫星转型未改营收结构,2026亏损预增

    中经记者 陈婷 赵毅 深圳报道11月13日,国星宇航(06935.HK)在香港联交所挂牌上市,公司股价开盘报24.44港元/股,较发行价24.9港元/股跌1.85%。截至当日收盘,报24.02港元/股。招股书显示,国星宇航是国内聚焦AI卫星的商业航天企业,于2018年12月发射了中国第一颗AI应用卫星,于2024年9月

    来源 腾讯网
  11. 全静压超精密AI智能数控磨床

    工业母机是 “制造机器的机器”;而超精密磨床是工业母机里难度最高的分支之一,主打亚微米、纳米级精度,是把零部件加工到极限精度的核心装备,因此被称作皇冠明珠,是整个高端制造业的精度基石。支撑光学、航空航天、半导体、高端轴承等关键领域核心零部件制造,是衡量一国极限制造能力的标志性装备。长期以来高端超精密磨削装备受制于人,国

    来源 AI 行业观察
  12. Gemini 4 翻身记:SemiAnalysis 补交道歉表,Hassabis 接梗

    曾断言 Gemini 掉队的研究机构 SemiAnalysis,在 Gemini 4 系列密集发布后向 Google 公开致歉。文章梳理 DeepMind 的组织调整、算力分配与长期研发积累,解析真实工程任务驱动的后训练如何提升编程和智能体能力。

    来源 爱范儿
  13. 26B参数循环Transformer模型Inkling 2 Mini开源,支持本地离线运行

    Thinking Machines Lab发布Inkling 2 Mini,采用循环Transformer架构,总参数26B。该模型支持文本和图像输入,可在配备32GB内存的MacBook上离线运行智能体任务,如编写代码或驱动虚拟角色。权重已按Apache 2.0许可开放,适合开发者部署本地编程助手。

    来源 AI 应用前沿
  14. 阿莫迪:AI领路人

    美国时间11月19日,Anthropic正式登陆纳斯达克,以“ANT”为股票代码挂牌,创下了全球史上最大规模IPO纪录。 就在上市前一天,Anthropic将发行价定在每股83美元,并将发行数量从8.25亿股增加到9.8亿股,最终公开发行规模达到813.4亿美元。 按发行价计算,这家成立不到六年的AI公司,完全稀释估值

    来源 AI 行业观察
  15. 亚马逊封堵AI购物助手,马斯克放话:也许该做个对手

    AI刚学会替你干活,亚马逊、摩根大通、嘉信理财就开始堵门了! 10月18日,@trikcode在X上列出了一份「AI碰壁清单」,点名达美航空、摩根大通、嘉信理财、Yelp和亚马逊。 他吐槽: 那些本该替我们搞定一切的AI智能体,开始被互联网挡在门外。 人愿意买,AI愿意跑腿,但最后一公里却卡在了平台不肯放行上! 而亚马

    来源 AI 行业观察
  16. Anthropic上市,最大反派公司诞生

    作者|李楠微信|tqkm1510Anthropic终于拿到上市的"大结果"。美东时间11月19日,这家Claude背后的公司登陆纳斯达克,公开发行规模约813亿美元,超过SpaceX,创下新的全球最大IPO纪录。开盘上涨约34%,将公司的完全稀释估值推至约2万亿美元。可惜这个果实不够完美。股价高开低走,虽然收盘价格相较

    来源 腾讯网
  17. 亚马逊拦下Grok Bot:马斯克回应,网友帮忙起名

    新智元报道 AI刚学会替你干活,亚马逊、摩根大通、嘉信理财就开始堵门了!10月18日,@trikcode在X上列出了一份「AI碰壁清单」,点名达美航空、摩根大通、嘉信理财、Yelp和亚马逊。他吐槽:那些本该替我们搞定一切的AI智能体,开始被互联网挡在门外。人愿意买,AI愿意跑腿,但最后一公里却卡在了平台不肯放行上!而亚

    来源 腾讯网
  18. 谷歌Gemini 4 Neon实测:跑分全球第三,成本却只有旗舰一半

    谷歌在七周内连续发布四款模型,最新推出的 Gemini 4 Neon 凭借极高的性价比杀回 AI 竞争中心。它在编程和复杂任务处理上接近旗舰水平,但成本仅为竞品的一半。通过引入“中训练”机制和自研 TPU 硬件支持,谷歌解决了此前模型迭代慢、推理弱的问题。本文解析 Neon 的技术细节、实际工程表现以及谷歌如何通过高频

    来源 AI 应用前沿
  19. 谷歌字节快手集体降价,AI视频进入分秒计价时代?

    (本文作者为 AIX财经,钛媒体经授权发布)文 | AIX财经,作者 | 王璐,编辑 | 魏佳AI视频行业正在靠近一个类似DeepSeek的时刻,模型能力差距收窄,价格被打到分/秒,创作者开始批量调用。11月初,谷歌把视频模型Gemini Omni 1.2 Flash转为正式版,不仅支持15秒视频生成和多轮对话式编辑等

    来源 腾讯网
  20. Gemini 4 Neon发布:接入Antigravity编程解题率升至3倍多

    Carbon 向开发者开放才八天,Google 又发布了一款 Gemini 4 模型。 11 月 18 日亮相的 Gemini 4 Neon,在默认推理档追平了自家的旗舰 Carbon,开到最高档后比 high 档的 Carbon 高出 1 分,进入 Artificial Analysis 智能指数总榜前三。对于这款新

    来源 AI 行业观察
  21. 黎曼猜想两路攻关:AI生成25万页,人类手写940页

    Anthropic数学家宣布与Claude合作完成黎曼猜想证明,斯坦福教授同时公开人类数学家Masullo的940页GRH证明手稿。前者依赖形式化验证但篇幅巨大,后者坚持纯人工推导却遭AI初步审查质疑。数学界正面临验证速度滞后于证明生成的新挑战,两种路径的碰撞折射出AI时代基础数学研究的范式转变。

    来源 AI 应用前沿
向下滚动自动加载更多