审查1135个AI写PR的五大教训

作者在GitHub上运行自主软件团队五个月，审查了1135个由AI编写的拉取请求，总结出五个关键教训。首先，AI模型互相审查能发现错误，但若生成和审查使用同一模型，则可能遗漏系统性盲点。其次，证据的可信度取决于其产生模式，如清理脚本的dry-run输出与真实运行结果可能不一致，导致审查基于错误信息。第三，将代理角色定义为数据（Markdown行为规范加JSON策略）使系统更易调试和演进。第四，代理在最终消息中输出结构化信封，显著减少系统不稳定性。最后，系统在配置不完整时主动停止，而非猜测，这虽看似未完成，但避免了错误。作者强调，这些教训来自真实系统，并提供了可检查的链接。