225 000 строк тестов, которые написали и влили в основную ветку агенты
225,000 Lines of Tests, Written and Merged by Agents - Kush Agrawal, Duolingo
Duolingo построил конвейер на Temporal, в котором агенты пишут unit-тесты для iOS-приложения, а люди только проверяют и вливают PR, и за восемь месяцев покрытие выросло с 11% до 24%.
- Выбор файлов по скорингу — селектор повышает приоритет для ViewModel, repositories и data sources (вес 2,5x), понижает legacy-файлы и пропускает UI; покрытие MVVM-слоя выросло с 9% до 59%.
- PR как state machine — workflow раз в пару часов делает одно действие над каждым открытым PR: закрывает PR с конфликтами или старше трёх недель, чинит CI не больше пяти раз, а отклонённый файл откладывает на 30 дней.
- Lint на Linux-раннерах — 36% PR падали на lint, 62% из них давали два правила; помогли примеры в промпте, автоисправление в GitHub action и перенос агентов на Mac runners, где код собирается локально.
- Фильтр качества — правило закрывает PR, которые трогают не тестовые файлы, а LLM-as-a-judge по словам авторов отклонил 73 из примерно 1200 PR за правки продакшен-кода, удалённые тесты и долгие ожидания.
Кому полезно: тем, кто хочет поручить агентам написание тестов или миграцию legacy-кода в большой кодовой базе с участием людей только на ревью.
Статья по теме
Главы
Похожие доклады
Весь код — мусор, кроме моего
AI Engineer Code 2026
Близко по содержанию
Как в Anthropic ежедневно мержат 30 000 изменений кода
Близко по содержанию
Агенты сообщили о тысячах багов — сколько из них были настоящими?
AI Engineer World's Fair 2025
Близко по содержанию
Код, созданный ИИ, уже конкурирует с кодом людей
AI Engineer World's Fair 2026
Близко по содержанию

