● Vercel：我们最大的单体仓库中 58% 的 PR 无需人工审核即可合并

📌 一句话摘要 Vercel 实施了一套基于 LLM 的风险分类系统，实现了其最大单体仓库中 58% 的 PR 自动合并，在不增加回滚率的情况下，将合并时间缩短了 62%。 📝 详细摘要 Vercel 通过部署一个将 Pull Request (PR) 分为高风险和低风险类别的 AI 智能体，解

● 当 AI 将软件开发彻底重塑：以 80% 的人力实现 170% 的吞吐量

📌 一句话摘要 作者分享了他将工程团队转型为“AI 优先”模式的经验，这一转型带来了显著的吞吐量提升，并使软件开发生命周期从“编码”转向了“验证与编排”。 📝 详细摘要 本文详细介绍了某工程团队向“AI 优先”单元的组织转型过程，在人员减少至原先 80% 的情况下，实现了 170% 的吞吐量。作

● 利用 Conductor 工作树优化工作流

📌 一句话摘要 Garry Tan 分享了他的工程工作流，解释了他如何使用 Conductor 工作树（worktrees）来摆脱任务列表，并实现 90 倍的生产力提升。 📝 详细摘要 在回复自己的推文串时，Garry Tan 讨论了他的工程工作流，特别是他对 Conductor 工作树的使用。

● Gergely Orosz 批判黄仁勋的 AI 支出论调

📌 一句话摘要 Gergely Orosz 对黄仁勋关于 AI Token 消耗的言论提出质疑，认为这不过是为了提升 NVIDIA 营收而编造的自私叙事，而非基于工程需求的客观评估。 📝 详细摘要 Gergely Orosz 批评了黄仁勋的一番言论，黄仁勋曾暗示工程师需要消耗价值 25 万美元的

● 关于工程生产力工具的细微差别

📌 一句话摘要 Orosz 在讨论中补充了细微之处，强调工程生产力应侧重于工具的实用性，而非成本。 📝 详细摘要 在后续推文中，Orosz 澄清道，虽然使用生产力工具对工程师至关重要，但关注点应在于工具的效用和效率，而非工具本身的成本。他批评了行业内将高昂工具成本与高价值划等号的趋势，并指出许多

● QCon London 2026：持续重写 Spotify 的全部代码库

📌 一句话摘要 Spotify 利用名为“Honk”的 AI 智能体实现大规模代码库迁移自动化，每 10 天合并 1，000 个 PR，将工程瓶颈从编码转移到了代码审查环节。 📝 详细摘要 在 QCon London 2026 大会上，Spotify 展示了“Honk”，这是一个内部 AI 编程

● AI 原生团队：拥抱未经审查的 AI 生成代码

📌 一句话摘要 安德鲁·陈观察到一种日益增长的趋势：创始人正从审查所有 LLM 生成的代码转向直接接受它们，以实现更高的吞吐量。 📝 详细摘要 安德鲁·陈探讨了软件工程工作流中的一个关键转变：从人工审查 AI 生成代码到完全接受它们。他认为，信任并跳过逐行审查的能力是衡量一个“AI 原生”团队的