6 个月 37 个仓库的 AI 辅助开发：瓶颈竟然是人类沟通带宽
Xander-XGCS · reddit · 2026-11-05
一位有量化研究与系统设计背景的作者分享六个月在 37 个仓库上规模化 AI 辅助开发的经验。
工程基础设施
- 本地 Proxmox 虚拟化 + 专用 CPU/GPU、Nix 可复现环境、自托管 CI、模型/数据集注册表、研究工作负载调度与校验服务。
- agent 在独立 Git worktree 工作，有自动化测试门禁和明确定义的集成/部署流程。
- 开发了独立的 operations bridge：独立 AI 会话通过 GitHub 提交结构化请求，本地常驻服务对照白名单校验后执行，使各会话可协调工作而无需对底层机器的无限制访问。
成本效率优先
- 刻意不为每个问题引入新的付费 API、托管服务或常驻 agent；用现有模型订阅、本地算力、自托管 runner。
- GitHub Issues 不一定是理想的消息总线，但自带持久记录、权限和熟悉界面；能用更低成本达到目的就不追求优雅。
核心发现：agent 产出大量工作，团队反而花了不少时间开发「管理系统来管理系统」的递归结构，真正卡脖子的是人类沟通带宽——作者自嘲为此写了一篇超长的关于人类沟通带宽的帖子。
「编程与Agent」频道最新
- Levels 用 Claude Code 反编译《战地1942》移植成页游，联机也通了 — huangyun_122 · 2026-11-05
- AI 正式成为 Kubernetes 一级工作负载：AI Conformance 升级为永久子项目 — TerryTangYuan · 2026-11-05
- 开源文档编辑器 quiet.md:Rust+GPUI 实现，兼容飞书文档 — dotey · 2026-11-05
- 用 agent 自动清理科研 Excel 数据,解决 Phase 2 失败源头 — nlarusstone · 2026-11-05
- Polylane 长文:Code mode 本质是决定工具结果进上下文还是进变量 — ritakozlov · 2026-11-05
- Agent Arena 长程任务实测:五大前沿模型用时差距达 55 分钟 — arena · 2026-11-05