HN这两天有个帖子冲到两百多分：数据库公司Cockroach Labs的两位资深工程师（合计40多年行业经验），把自己团队的AI写代码流程，原样照着一家教学医院搭了一遍。bug是病人，合并代码是“出院”，人类只挂个“院长”头衔。五个月，这家代号MOLT Sinai的“医院”吞掉13.5万美元token账单，合并1238个PR，落了超过一百万行代码。评论区直接吵成一锅粥：有人说这是多智能体协作的教科书，也有人喷这是“表演型工程”。我带你把这场架看完——中间那些可抄的细节，比谁对谁错值钱得多。 ## 一、先看战果：两天干完九个月的活 故事的起点是一个GitHub issue：给CockroachDB的迁移工具MOLT加上IBM Db2数据源支持。这是块硬骨头——Db2是1970年代就商用的老关系库，方言丰富、类型系统复杂、还有私有wire协议，要写新的schema转换器、新的取数路径、新的比对路径，外加一套ANTLR文法和一万多行测试夹具。 参照系摆在这里：2024年他们给同一工具加Oracle支持，**9个月，约16万美元人力成本**。这次，从一个周三晚上到周五下午，Db2支持完工，**没有一行代码出自人手**，token账单4172美元。官方口径：快164倍，便宜38倍。 怎么做到的？一个规划agent接单后判断“病人病得太重，一次治不了”，把它拆成15个带依赖图的子issue，其中两个又被二次拆分。最终：32个子issue、27个PR合并、评审打回55次、9次升级上报（其中2次到了人）。相关数字是测试覆盖率追平了测试最全的PostgreSQL方言。 ## 二、这家“医院”怎么运转 先把科室名单亮出来，你品品这个类比密度： ```mermaid flowchart TD A["病人挂号：新issue进院"] --> B["Fellow问诊：写治疗计划"] B --> C["评审主治：只挑毛病"] C -->|驳回| B C -->|通过| D["Fellow治疗：动手写码"] D --> E["代码评审"] E -->|要求返工| D E --> F["出院护士：审计评审"] F -->|检查单缺项| E F --> G["出院：合并进主干"] H["护士长：每30分钟巡房"] --> B I["感染控制：主干挂了就锁院"] -.-> D G --> J["安全部门：M&M事故复盘会"] ``` 底层全靠GitHub Actions：每个环节是一个workflow，issue上打一个“入科标签”触发本环节，agent干完打“出科标签”触发下一环，中间用``这样的哨兵注释传递病历。院规六条，条条针对AI写码的典型病症： 1. **先计划后代码，计划必须被评审。** Fellow（住院医）动手前要复现bug、做“鉴别诊断”、写治疗计划；另一个独立的评审主治实例专职挑刺，批准才准治。理由很实在：自信地修错地方，浪费的token远超停下来核计划。 2. **不许即兴发挥。** 治疗中范围变了就停下、改计划、重新送审。技能文件里这条指令就两个词：Don't improvise。 3. **测试不许动。** 禁止禁用、跳过、弱化任何测试让它变绿。所有代码评审的第一步，是先把改动关掉、确认新测试真的会失败——不会失败的测试要么超纲要么写错了。 4. **不许瞎扑腾。** 卡住就写I-PASS结构化交接单（病情严重度/病人摘要/行动清单/态势感知/综合结论），这是真实医院交接班协议，人类研究里能把交接事故降一半。接手的agent必须先复述自己理解了什么才能开工。 5. **出院护士审计评审员。** 最后一关不重审代码，只验证“评审真的发生过”：批准存在、模板填全、无未解决线程、CI绿、提交历史干净。任何一项勾不上，出院失败。 6. **先查判例再麻烦院长。** 人类拍过的板进append-only判例台账，agent上报前必须先查，命中判例就引用判例自己办。 ## 三、五个月的账本，几个扎眼数字 - **1238个PR**，超100万行代码，每个改动控制在1000行以内（超过必须拆分）——理由是“再强的agent或人也无法可信地评审一大坨”。 - **1299个issue里近一半是医院自己给自己开的**：拆分子项、研究部提案、安全部整改。第二个月起，人类就不再是主要工作量来源了。研究部最初每3小时巡一轮、一天产出约8个新issue，人根本审不过来，现在改成每天一跑、未受理提案封顶10个。 - **人均诊疗费84美元**，病人在院平均1到2天。7次合并被回滚，每次都触发安全部门的M&M大会（发病率与死亡率复盘会，真实医院真有这会）。 - **医院是自己盖自己的**：Sinai框架仓库1570个commit，85%是流水线自己提交的。护士长这个岗位之所以存在，是因为某agent踩了GitHub Actions标签事件的竞态，自己提issue、另一个agent设计并上线了修复。 - **代价面**：那个“把Validating改成Verifying”的一行文案改动，返工5轮惊动院长；一个紧急一行修复（issue 1777）折腾了11轮、跨两天；某个安全审查窗口里，三个复杂病例分别打了9、9、7轮，烧掉该窗口1046美元里的631美元。修复方案是个熔断器：连续4轮返工且每轮都有新问题、或累计6轮实质返工，必须移交上级。 ## 四、HN吵的是什么：一帖三战 **第一战：角色扮演是科学还是玄学？** 点赞派逻辑最硬的是cs702：医疗行业那套标准角色、强制交接、事后复盘，是文明史上用血泪试错出来的“防人错”体系，直接拿去“防AI错”，等于白捡几百年制度遗产。用户gafferongames（网络库mas-bandwidth的作者）留言说他自己的agent工作系统nova-sprint已经开始照抄。 反对派的火力集中在人设上。有人贴出自己的“拆暗工厂”经历：一个五屏小App，AI工厂产了7万行代码和75万词文档，全部拆掉。原话最毒的是这句——“拿角色扮演当写出好代码的秘诀，想都别想”。还有人阴阳：“我们就是在给自己 automaton 开会地狱”。也有中间派翻出1975年《人月神话》的“外科手术团队”——50年前Brooks就想过的组织形态，只是这次住进了prompt。 最有意思的是作者自己在评论区的坦白：**隐喻会泄漏行为**。某个评审主治拒绝为了一行文档注释瑕疵打回PR，理由是“病人已经累了，我只上报请你裁决”——这句话从没出现在任何提示词里，是模型入戏太深自己长出来的。他们的应对值得抄：人设只写几句话负责塑造判断力，**真正必须成立的硬规则全部写成脚本**——合并审批就是查GitHub上有没有真实人类approval的脚本，CI红或有冲突的PR根本轮不到评审agent上场。隐喻管自由裁量，代码管底线。 **第二战：这账到底算不算得过来？** 有人算了笔账：人类9个月16万刀合每天600美元，AI医院2天4172刀合每天2086美元——“不可持续，除非你能多赚3倍”。反驳立刻跟上：一位说“价值按天计的时代结束了，同样的结果你要是能1小时给我，我愿付8344刀，就像深夜打车就是更贵”；另一位说买方会随交付速度水涨船高地压价，利润率根本保不住；还有位欧洲用户甩出实证：用Deepseek v4.1 flash按token付费，几十欧元跑出的量超过6月份200美元的Codex+Claude订阅。作者补了一句关键的：这套体系本来就不是冲着便宜去的，“迁移工具写错是会毁客户数据的，我们宁可慢10倍”。 **第三战：提示词也是会烂的遗留代码** 这是全帖被低估的宝藏。7月他们审计了25个技能文件：10万余词里**23%可删**——同一条规则在多处重述占6000词、70处，最肥的文件47%是冗余。出院护士每次开工前要先加载2.18万词（约2.9万token）的说明书，还没看PR一眼。删法也成了方法论：每个文件派一个分析agent按三类标记（重复规则、叙述旁白、无信息量的历史），同时给一份“禁改清单”（命令、门禁、模板、哨兵值）；第一刀砍18%，第二刀加对抗校验再从最烂的6个文件里抠出600行。Rafi总结的病根一句话戳心：**“agent犯错时，人类的本能修法是‘加一句话’，文件就是这么胖起来的。”** 顺手把内嵌的长bash块抽成带测试的脚本时，还真从散文里翻出了几个bug。 ## 五、信息差总结 | 你以为的 | 这场实验证实的 | |---|---| | 多智能体=并行堆速度 | 他们反着来：为质量造流程，慢是特性不是缺陷 | | Prompt写完就完事了 | 10万词技能文件23%是冗余，提示词会像代码一样烂掉 | | Agent卡住就该重试 | I-PASS结构化交接+判例台账+熔断器，卡4轮必须交还上级 | | 人设提示是玄学 | “病人累了”这种从未写下的行为，是隐喻在调用预训练里的制度知识 | | AI编码按省了几个人工算钱 | 计价单位正从“人天”滑向“结果”：同样的活，更快就该更贵 | ## 六、行动指南 1. **今晚**：打开你自己的CLAUDE.md或agent技能文件，数一下字数。按“重复规则/叙述旁白/无用历史”三类扫一遍，同一条规则只留一处，目标砍20%——这是本周评论区里公认回报最高的动作。 2. **本周**：给自己的AI编码流程加两道闸：动代码前先交一份“治疗计划”给另一个独立会话挑刺；评审第一步先禁用改动、跑一遍新测试，确认它们真的会失败。这两条在原帖成本数据里是性价比最高的环节（计划评审驳回率不到10%，但每次驳回都是全系统最值钱的拦截）。 3. **本周**：建一个append-only台账，每个环节记录token、时长、成本。作者原话：有了台账，“这些事才以数字而非感觉出现”。顺手给循环加熔断：连续4轮返工还有新问题，就升级给人。 4. **本月**：把原文和HN评论区里作者的20多条答疑读完，重点看“便宜模型先用再升级”为什么被否——医学生能成长为医生，便宜模型永远变不成强模型，这个类比边界值得写进你的技术选型备忘。 ## 延伸思考 《人月神话》50年前就断言：adding people to a late project makes it later。MOLT Sinai的隐秘野心是反着回答这个问题——如果新“人”的边际培训成本趋近于零、且天生遵守流程呢？他们下一步想做的是让这所医院真的能“教学”：让新人自己写计划、被agent评审、被迫为每个决定辩护。换句话说，**当AI把“写代码”变成cheap commodity之后，人类工程师的岗位描述正在被改写成“出题人、判官和医院院长”**。这或许是这条两百多分帖子底下，支持者和反对者其实都同意的那句话：组织方式，正在成为新的编程语言。 ## 参考来源 1. [Cockroach Labs博客原文：Five months treating bugs like patients and coding agents like a medical team](https://www.cockroachlabs.com/blog/experiment-running-hospital-code/)（2026-10-09发布） 2. [HN讨论串：208分，作者rafiss与ajstorm全程答疑](https://news.ycombinator.com/item?id=50021899) 3. [gafferongames受启发后开源的工作系统nova-sprint](https://github.com/mas-bandwidth/nova-sprint) --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID： gprshome201101）维护。 > 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。