AI coding agent 打破了 review-then-commit 的努力信号：提交者可用低成本生成大量 PR，把审查成本转嫁给 principal，形成 agent 时代的委托-代理问题。

Claim

AI coding agent 打破了 review-then-commit 的努力信号：提交者可用低成本生成大量 PR，把审查成本转嫁给 principal，形成 agent 时代的委托-代理问题。

Why it matters

若只优化产出 diff 量而不重设计审查/所有权，会放大 slop PR 与 review 崩溃。

Summary

Crawshaw：努力信号塌缩；KPI 应看故障率与可解释 diff，而非 PR 数。

Actions

• (none)

Evidence

• (none)

Caveats

• (none)

Research queries

• (none)

Body

正文

背景

传统 code review 依赖人类改动+人类审查的信任与教学机制。

机制

插入 agent 后理想是人严格 QA 再送审，现实是轻 prompt→轻 QA→整段意见喂回 agent→提交，努力信号塌缩。小高信任团队可改为作者充分审查后直接部署+强测试。

取舍

大组织/低信任环境更难，需要新流程而非叠一层审查。

动作

评测惩罚无理解提交；流程模板强制 ownership 与测试证据。