GitHub 一週收到超過 12 億次提交後,瓶頸由寫程式轉向審閲 diff
GitHub 一周收到 12 亿次提交之后:卡住的不是写代码,是看 diff
GitHub 2026 年 10 月單周提交量超過 12 億次,這篇分析指出 AI 時代的瓶頸正由寫程式轉向審閲 diff。Faros AI 研究顯示,團隊由低度轉向高度採用 AI 時,PR 在評審階段停留的時間延長 441%。文章建議以攔截率、誤攔率和逃逸率衡量評審門禁,並將單次變更控制在一位評審者 30 分鐘內可讀完的規模,透過堆疊 PR 分拆相依改動。
简介: 本文聚焦AI时代质量门禁失效风险:当代码提交量激增400%,评审环节成新瓶颈。核心不是验“代码能否运行”,而是测“门禁能否拦住风险”。提出三大可测量指标——拦截率、误拦率、逃逸率,并强调将人脑注意力聚焦于“逻辑是否正确”,而非自动化检查。倡导PR切小、堆叠评审、产物必有读者,让质量防线从社会学回归工程学。
一句话定位:这不是"AI 写的代码好不好",而是"你把门禁写在人身上,门禁会不会被人绕过去"——被测对象是评审环节的拦截能力,不是单次构建结果。同样的验证可迁移到发布审批、数据库变更评审、配置改动灰度、权限提升工单。

摘要
GitHub 在 2026 年 11 月 6 日的官方博客里给了一组对照:2026 年 10 月单周提交量超过 12 亿次,同比增长超 400%;而 Faros AI 的研究显示,团队从低 AI 采用度升到高采用度时,PR 在评审阶段停留的时间延长了 441%。这篇不复述产品功能,只讨论一件事:当变更量以十倍速度增长,测试团队真正要验的不是"代码能不能跑",而是"门禁还拦不拦得住"。文中给出三个可测量的指标(拦截率、误拦率、门禁逃逸率)、一个"小 PR"的量化建议,以及为什么"所有检查都过了"这句话在生产事故前毫无说服力。
有一个 PR 标着"小重构"。打开一看,改了 47 个文件。
你想让人看的是共享校验逻辑那一段,但它夹在"每个调用它的端点都改了一遍""一堆格式化改动""几百行生成的测试"中间。
这段描述出自 GitHub 官方博客,不是抱怨帖。它出现在讲 Verify 的那一节,作者用它说明一件事:评审队列变长,不是人变懒了。
同一篇里给了一个数量级的对照。2026 年 10 月,GitHub 单周收到超过 12 亿次提交,比一年前多了 400% 以上,比 GitHub 2025 年一整年的提交总量还多。原文紧接着问了一句很直接的话:你的产出,真的比去年多了 400% 吗?
这两个数字属性不同,我在正文里必须分开说:12 亿是 GitHub 公布的平台统计,441% 出自 Faros AI 的第三方研究,被 GitHub 引用。前者是事实,后者是研究结论,都不代表任何一家公司的内部数据。
我关心的是它们拼起来之后指向的那个位置:瓶颈从"写"挪到了"看"。
对测试团队来说,"看"这件事一直是我们的主场之一——灰盒测试、代码走查、变更影响分析,都靠看 diff。所以这个瓶颈转移,不是别人的问题。
门禁挂在人身上,人一忙门禁就没了
先把现状说清楚。
多数团队的合并前门禁是这几层:CI 绿、至少一人 approve、关键路径有测试覆盖。前两层能自动化,第三层靠人判断。
当 PR 从每天 5 个变成 30 个,会发生什么?CI 仍然会跑,绿了就绿了;approve 仍然会给,因为要给;第三层——"这段逻辑是不是我想要的"——最先消失。它不是被故意跳过的,是被时间挤掉的。原文对这个过程的描述很克制:评审者会花更少的注意力,看起来完成了评审。
我在几个团队见过同一种退化:评审意见从"这里的边界我没看懂"变成"LGTM",用时从 20 分钟变成 2 分钟。没有人宣布过这件事,它就这么发生了。
这意味着一个测试团队经常忽略的事实:你的质量门禁里有相当一部分是社会学装置,不是工程装置。 它会随人的疲劳度漂移,而漂移过程没有任何告警。
下面这张图把这条"漂移"画出来:门禁强度随单日 PR 数量的变化。它要传达的结论是,前两层几乎不动,第三层先崩。

把"看 diff"变成可测量的三件事
既然第三层会漂移,就得把它变回工程装置。我建议量三个数,都不难算。
拦截率:过去一个季度,有多少个缺陷是在评审阶段被拦下来的,而不是上线后发现的。算法很简单——把每个"评审时提的问题"打上是否对应真实缺陷的标记。这个数如果接近于零,说明评审没在拦东西。
误拦率:评审提出的意见里,有多少最终被判定为"不用改"。误拦率高会让人习惯性忽略评审意见,这是拦截率归零的前兆。
逃逸率:线上缺陷里,有多少在评审时被看过、但没被提出来。这个数最难算,最需要,因为它直接对应"看 diff 看漏了"。
三个数要一起看。只看拦截率,团队会把评审做成"多提意见";只看误拦率,会做成"少提意见"。逃逸率是唯一一个无法通过调整提意见风格来伪造的。
原文给的方向与之互补:把例行检查交给工具(代码质量、安全扫描、依赖许可),把人的注意力留给"这段逻辑是不是你要的"。这话听上去像产品宣传,但从测量角度是对的——例行检查的拦截率可以做到接近 100%,人的注意力不行,所以要让它只干不能自动化的那部分。
"所有检查都过了"这句话,在哪个环节失效
原文里有一段我读完最有共鸣的内容,讲的是发布之后的那个早晨:变更通过审批,部署检查通过,勾掉任务。第二天早上,值班看板出现间歇性超时,客服说有几个大客户受影响。
这时候那句"所有检查都过了",比昨天更没有说服力。
对测试团队来说,这里有一条容易被忽略的推论:当变更量增长十倍,你的线上缺陷里来自"变更引入"的比例会上升,来自"环境/数据"的比例会下降。 因为环境没变那么快。这意味着故障定位的起点要往 diff 里挪。
我把这件事做成了一条检查:每次线上事故复盘,必须回答"这个缺陷如果当时有一位认真的评审者,能不能看出来"。答案是"能"的,就回到门禁;答案是"不能"的,就说明缺的是测试,不是评审。
这条区分很有用,因为它把"要不要加强评审"这个无解的问题,换成了"这一类的缺陷该由哪一层兜住"。

一个不需要任何套餐的改动:把 PR 切小
原文那句提醒我很认同:文中提到的能力都按 GitHub 的套餐与预览状态提供,包防火墙对 npm 还是公测,Agent Merge 这类功能各有开关。原文写的是能力边界,不是"明天就能全开"。
真正不依赖任何套餐的,只有一件事:把改动切小。
具体到可执行:单次变更控制在"一位评审者能在 30 分钟内读完并说清它改了什么"的规模。这个标准很模糊,但比"越小越好"强,因为它有参照系。
我知道这条建议的困难:Agent 生成代码的成本很低,切小意味着更多次生成、更多次合并,管理成本上升。原文给的解法是堆叠 PR(stacked pull requests),把有依赖的改动拆成几个可单独评审的层,让下游先基于上游继续做,不必等全部合并。
从测试角度,堆叠 PR 还有一个好处常被忽略:每一层都能单独跑一遍回归,出问题能定位到层,而不是定位到"这一大坨"。这是把变更切小之后免费得到的可观测性。

我不同意原文的一处
原文把 Plan→Build→Verify→Observe 四个阶段讲成一个完整的工程方法,读起来顺,但有一处我觉得太乐观:它倾向于认为只要把每段的产物留下来(可评审的计划、更小的 diff、带证据的 issue),流程就顺了。
实际经验里,留下的产物本身会成为新的负担。计划写下来了但没人再看,issue 建了一堆但三天后失效,trace 存了但没人读。产物和注意力是两回事。
所以我给这条加一个约束:每一类产物必须有明确的读者和阅读时点,否则不要产出。 计划给评审者,在读 PR 之前读;证据给复盘,在事故后读;trace 给定位,在告警后读。没有读者的产物,只是在给未来的自己增加搜索成本。
这不是反对留痕,是反对把留痕当成质量本身。这一点我觉得比原文更重要,因为它是很多团队落地这套方法时第一个踩的坑。
下周开工清单
一,算一次过去一个季度的评审拦截率。手工算十个案例就行,能看出量级。
二,在团队里定一条"30 分钟能读完"的规模线,并且真的拒掉超标的 PR 一次。只拒一次,团队就知道这条线是真的。
三,改一次事故复盘的提问方式:不问"为什么没测出来",问"这个缺陷该被哪一层兜住"。答案落在评审层的,那是门禁问题;落在监控层的,那是可观测性问题。
GitHub 那 12 亿次提交是个平台数字,和我没关系。但"我的团队这个月的 diff 比上个月胖了多少",和我有关系——这个数我建议每个月算一次,因为它比缺陷率更早出问题。
本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料,主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容,侧重测试实践、工具应用与工程经验整理。
來源:阿里雲開發者社區 AI · developer.aliyun.com