The Pragmatic Engineer 访谈 CodeRabbit CEO:软件工厂与代码审查的重塑
Software factories and code reviews with Harjot Gill
CodeRabbit 创始人兼 CEO Harjot Gill 在播客中详述了智能体驱动的软件工厂模式,其个人单月由智能体驱动提交超过 5,000 个 PR,月度 AI 支出达 25 万至 27.5 万美元。
访谈展示了极度依赖智能体的软件工厂实战样本,呈现了高额前沿模型开销换取研发速度的可行逻辑与质量验证方式。
欢迎在 YouTube、Apple 和 Spotify 收听并观看完整节目。本页顶部附有节目逐字稿,底部为时间戳导航。
本期赞助商

• turbopuffer —— 基于对象存储构建的混合搜索引擎,扩展能力极强,速度超快且成本极低,深受 Anthropic、Linear、Ramp 等一众前沿科技公司的青睐。许多改用 turbopuffer 的团队不仅将搜索开支削减了 50% 以上,响应速度还大幅提升。了解详情。
• Entire —— Entire 推出了自己的 Git 托管平台,发布了 Continuous Memory,并彻底重塑了 Pull Request 流程(称为 Trails)。在智能体根据反馈持续迭代、不断推送变更的场景下,Trails 提供了一种更加自然的工作流,让你在评估代码是否适合合并时拥有更完整的上下文和掌控力。了解详情
• WorkOS —— WorkOS 打造了面向 AI 智能体的授权层 Airlock。它会结合智能体的意图与预设规则对每项请求进行评估,从而决定放行、拒绝或转交人工介入。支持 Claude Code、Codex 及 MCP 网关。了解详情
本期内容
在这场对话中,我们走进了一位彻底拥抱 AI 的 CEO 的世界,探寻这家初创公司的运转方式。当前业界普遍认为 AI 研发开销过高必须严格压缩,而本期节目展现的或许正是一条反其道而行之的成功之道。
Harjot Gill 是 AI 代码审查工具 CodeRabbit 的创始人兼 CEO。上个月,他借助智能体提交了超过 5000 个 PR,折合每月在 AI 上的支出达 25 万美元(!)。这显然不是常规打法,Harjot 在节目中深入分享了这一决策背后的思考与逻辑。
在本期 The Pragmatic Engineer Podcast 中,我们聊到了他过去 30 年从事软件开发和创办底层基础设施初创公司的经历,以及 CodeRabbit 如何顺应时代转型为“软件工厂”。我们还探讨了他为何断言“人工代码审查已死”,以及他的团队如何在以前所未有的速度交付的同时守住质量底线。
此外,我们还聊到了 AI 研发成本攀升的现状、Harjot 为何坚信科技初创企业比以往任何时候都需要更多融资,以及 AI 正在如何重塑招聘要求和致胜技能。
与 Harjot 对话的核心要点
1. 上个月他借助智能体提交的 5000 多个 PR 中,很大一部分是日常维护类工作。他让智能体去优化 CI 等系统、修复不稳定的测试用例并改进缓存机制。许多 PR 都是他在通勤途中以及晚上和深夜生成的。少数情况下,他还会引导智能体优化 UI 交互体验。Harjot 的实战成果包括:
用 Rust 基于对象存储构建了一套预写式日志(WAL,智能体连续运行了六周!),该系统现已投入生产环境。
利用一个周末,将 CodeRabbit 的所有服务完整迁移至 Bun
在原有 CI 系统出现性能瓶颈后,重构了一套全新的 CI 系统
2. CodeRabbit 的工程团队只有 40 人,每月在 AI 上的花销却高达数百万美元。Harjot 估算,每个 PR 大约要花掉他 150 美元,折合他个人每月支出在 25 万到 27.5 万美元左右。他把这比作风投支持的公司里 10 人规模的营销团队,能撬动 1 亿美元的开销。我指出他的初创公司是个特例;在其他地方,我听到的 AI 开销大多在每位开发者每月 200 到 2000 美元之间。弄清楚这笔开销究竟为什么合理,正是我迫切想见 Harjot 的原因之一。
3. 对像 CodeRabbit 这样的开发者工具初创公司来说,更快推出新的 AI 相关产品,就足以证明大笔 AI 支出的合理性。在我看来,CodeRabbit 并不是一家典型的公司:只要 AI 支出能转化为可商业化并对外销售的新解决方案,它就属于一种研发投入。而那些客户群体固定、客户只愿为现有产品支付固定金额且不肯多花一分钱的公司,情况则完全不同。
此外,Harjot 还透露,曾有供应商给他们的一套用于处理 PR 产出的 CI 解决方案开出了每年 1300 万美元的报价。这个价格让他下决心用智能体自研一套 CI 系统。他们只用了一周就完成了搭建,新 CI 的成本比报价低了 50%,性能表现却不相上下。
4. 早在 2021 年,Harjot 就坚信未来大部分代码都将由 AI 编写。在 FluxNinja 工作时,Harjot 就发现代码审查正逐渐成为瓶颈,而 GitHub Copilot 的自动补全功能在一定程度上加快了写代码的速度。当时他误判了潜在的市场规模,以为只有采购 Snyk 和 SonarSource 这类代码验证方案的大公司,才会购买 AI 代码审查工具——没想到几乎人人都需要!
5. Harjot 认为智能体需要具备“爬山”能力,也就是必须有办法验证自身的工作成果
他认为以下几个层级不可或缺,其中也包括他和团队目前正在使用的手段:
TLA+ 和 Lean 等形式化模型。在其中一款产品中,工程团队运用了 TLA+,成功发现了代码审查中漏掉的竞态条件。最近,Harjot 还在尝试另一种形式化方法:Lean。
本地确定性仿真。Harjot 的初创公司搭建的基础设施中,有一套仿真测试框架,专门用来对不同的交替执行顺序(并发操作)进行模糊测试。
仿真真实 API。作为测试的一环,Harjot 会对 Google Cloud 等真实 API 进行模拟与仿真。
开发环境验证。智能体可以在 Google Cloud 和 Vercel 等环境中拉起服务,并确认各项功能在开发部署环境下正常运行
生产环境:分阶段灰度发布。Harjot 提倡利用特性开关(feature flag)发布功能,并进行渐进式灰度发布。他表示,他们经常让智能体去监控灰度发布过程中的性能指标、检查日志,并在系统表现稳定后继续扩大发布范围。最后这一步,让我想起了 OpenAI 软件工厂内部的 Perf Factory。
6. 人工代码审查已死,人工审查万岁!Harjot 认为,人类终将不再审查由智能体生成的代码,转而把更多时间花在审查规划方案和最终交付资产上。在 CodeRabbit 内部,工程师们审查的已经是整个发布版本(包含多个 PR),而不是单个 PR 了。
7. 工程师可能会被取消免审提交权限。公司有一份“免审名单”,上面的开发者上线代码无需任何人评审即可直接推送到生产环境。一旦发生故障,团队就会追查导致生产环境出问题的 PR,提交该 PR 的开发者会被记一次“违规”。违规次数积累到一定程度,其发布的版本就必须经同事审核。我个人很赞赏这种做法:给予开发者直接推送到生产环境的信任,但同时绑定问责机制——一旦影响了生产环境的稳定性,这份信任就会被收回!
8. 微调模型已经不再划算。CodeRabbit 过去曾投入精力微调用于 AI 评审的模型,但 Harjot 表示,前沿模型的迭代速度越来越快,维护自研微调模型变得极为困难,因此已经得不偿失。
9. 设立“作战室”(War Rooms)。为了攻克重要任务,工程师、产品经理和设计师会聚集在同一个房间里,协同指挥智能体,先搭出原型,再做成可运行的成熟产品。这种方式让我想起 2016 年的 Uber,不过当时“作战室”攻坚要花两三周,大家从各地办公室飞过来,主要工作是拉齐规划并拼凑出一个粗糙的原型,而后续工作还要团队再花上几个月才能完成。
10. Harjot 招聘工程师时看重什么:自主能动性、经验广度以及系统化思维。他发过一份不同寻常的招聘启事,只招两类人:要么在过去 30 天内提交过 1000 多个非灌水的高质量 PR,要么在《文明》《帝国时代》《运输大亨》或《异星工厂》这类策略与经营管理类游戏中游玩超过 500 小时。Harjot 表示,在他看来,并行调度数十个智能体和玩即时策略游戏监控几十个单位的行动几乎如出一辙,两者之间的相似之处让人无法忽视。
补充思考
这次对话引发了我很多思考。我第一反应是怀疑:怎么会有人每个月在 AI 上花这么多钱?多半是浪费吧。因此,我很庆幸能深入了解 Harjot 的真实想法。我能感觉到,他正在探索单个开发者在并行调度数百个智能体时的能力极限,而且他脑子里的想法依然多到做不过来。更何况,他完全不必为 AI 预算发愁!
同样的使用量,成本能大幅降低吗?Harjot 和 CodeRabbit 支付的是前沿模型的 API 费用,而没有使用开源模型。我们在本周的推理深度解析中讨论了KV 缓存机制的细微差异如何让编程场景成为推理服务商和前沿模型公司的高利润来源;同样也正是因为这个 KV 缓存利润细节,面向个人与小微企业每月 200 美元的 Max 订阅套餐,实际提供的使用量价值相当于每月 8000 至 14000 美元的 API 调用费用。转向开源模型固然能大幅削减这笔开支,但代价是会牺牲一部分能力。
“工程师 + 策略游戏玩家”的组合有助于推动 AI 智能体的使用?Harjot 绝非那种不懂技术的“氛围感程序员”(vibe coder):他有着 30 年的编程经验,在转向 AI 智能体之前主要使用 Neovim。他长期痴迷于基础设施和分布式系统,年轻时也是《文明》的资深玩家。他敏锐地察觉到了两者的相通之处,而更有意思的是,他还把这一点写进了招聘要求里。
AI 智能体带来的“吸血鬼效应”真实存在。我常常看到人们被 AI 智能体耗尽精力的“吸血鬼效应”,正如 Steve Yegge 在 2 月提到的那样。Harjot 也提到自己的睡眠受到了影响,比如半夜总忍不住醒来看看、推一把智能体。
弹药充足且极度笃信 AI(AI-pilled)的初创团队,有望在以 AI 为核心构建产品的过程中吃下巨大的红利。在交流过程中,我逐渐理解了为什么 Harjot 和 CodeRabbit 会在 AI 上砸这么多钱。他们必须打造出 AI 原生初创公司真正想用的解决方案,而 CodeRabbit 团队自身对 AI 的深度投入,反过来让他们掌握了第一手的行业洞察,能对客户感同身受。在多数企业都在收紧 AI 支出的当下,这种打法注定是少数派,但 Harjot 和 CodeRabbit 的工作方式依然有太多值得借鉴之处。
CodeRabbit 的定位是 AI 基础设施初创公司,新产品的面市速度构成了巨大的差异化优势。在这种背景下,CodeRabbit 在内部开发大量软件,再将其中的一部分推向生产环境并商业化,确实顺理成章,后续也可能直接拉动营收和估值的增长。即便你最终认为这种路线并不适合自己、团队或公司,了解这类思路依然很有价值。
本期播客相关的 The Pragmatic Engineer 深度解读
• AI SRE:它究竟是什么、会如何改变值班机制,以及到底管用吗?
• 与 Tibo Sottiaux 探讨 Codex 的打造过程
时间轴
00:00 开场介绍
03:17 Harjot 如何在一个月内交付超过 5,000 个 PR
08:46 Harjot 进入科技圈的经历与早期创业
12:25 早期对 AI 的坚定信念与创立 CodeRabbit
14:40 全面转向 AI 编程
20:35 详解软件工厂
25:37 什么正在取代人工代码审查
38:44 技术债与清理低质测试
46:05 模型评估(Evals)
50:25 形式化方法
52:05 CodeRabbit 的 AI 成本
54:57 2026 年初创融资与 AI 支出的价值
1:08:20 招聘
1:13:03 工作节奏、睡眠与职业倦怠
1:21:55 AI 时代所需的技能
1:24:30 推荐书目
参考资料
关注 Harjot Gill:
• LinkedIn:https://www.linkedin.com/in/harjotsgill
Harjot 推荐书目《黑天鹅》(作者:纳西姆·尼古拉斯·塔勒布): https://www.penguinrandomhouse.com/books/176226/the-black-swan-second-edition-by-nassim-nicholas-taleb/
本期提及内容:
Harjot 关于其 PR 数据及 Token 支出的动态:
Harjot 的配置文件(dotfiles): https://github.com/coderabbitai/dotfiles
特斯拉完全自动驾驶(受监督版): https://www.tesla.com/fsd
面向软件工程师的实用 AI 工具(拒绝炒作)——对话 Django 联合创始人 Simon Willison: https://newsletter.pragmaticengineer.com/p/ai-tools-for-software-engineers-simon-willison
阿尔卡特-朗讯(Alcatel-Lucent): https://en.wikipedia.org/wiki/Alcatel-Lucent
宾夕法尼亚大学:https://www.upenn.edu
当 AI 几乎包揽所有代码编写,软件工程将走向何方?: https://newsletter.pragmaticengineer.com/p/when-ai-writes-almost-all-code-what
适应任意规模的 Git(Cursor 关于 Origin 的博文): https://cursor.com/blog/git-at-any-scale
预写式日志(WAL): https://en.wikipedia.org/wiki/Write-ahead_logging
什么是 SOC 2 合规认证?: https://www.paloaltonetworks.com/cyberpedia/soc-2
Jake Runzer 关于 Railway 故障事件的发文:
行业脉搏:CPU 短缺的新趋势: https://newsletter.pragmaticengineer.com/p/the-pulse-a-new-trend-of-cpu-shortages
Kubernetes 是如何构建的——对话 Kat Cosgrove: https://newsletter.pragmaticengineer.com/p/how-kubernetes-is-built-with-kat
形式化方法探讨——对话 Hillel Wayne: https://newsletter.pragmaticengineer.com/p/formal-methods-with-hillel-wayne
Harjot 分享 CodeRabbit 每周提交量图表的发文:
Harjot 谈 800 万美元以上种子轮为何不再够用的发文:
Ramp 为何选择自研内部编程智能体 Inspect: https://newsletter.pragmaticengineer.com/p/why-ramp-built-inspect
Spotify Confidence:https://confidence.spotify.com
Harjot 谈一周交付 5000 个 PR 及 CodeRabbit 的招聘标准: https://www.linkedin.com/posts/harjotsgill_we-at-coderabbit-shipped-5k-prs-last-week-share-7518364258942758912-Bts_/
Matthew Walker 的《我们为什么要睡觉》: https://www.amazon.com/dp/1501144324
Harjot 谈职业倦怠的发文:
深入复盘 Fast 的闪电崩盘: https://newsletter.pragmaticengineer.com/p/the-scoop-fast
提及的技术、工具与厂商:
CodeRabbit:https://www.coderabbit.ai
Codex: https://chatgpt.com/codex
Claude Code: https://claude.com/product/claude-code
Neovim:https://neovim.io
New Relic:https://newrelic.com
AppDynamics: https://en.wikipedia.org/wiki/AppDynamics
eBPF:https://ebpf.io
Nutanix:https://www.nutanix.com
FluxNinja:https://www.fluxninja.com
GitHub Copilot: https://github.com/features/copilot
LTX(SQLite 复制文件格式): https://github.com/superfly/ltx
Effect:https://effect.website
XState: https://stately.ai/docs/xstate
OrbStack:https://orbstack.dev
Snyk:https://snyk.io
SonarSource:https://www.sonarsource.com
席德·梅尔的《文明》:https://civilization.2k.com
Datadog:https://www.datadoghq.com
Devin:https://devin.ai
Bun:https://bun.com
Rippling:https://www.rippling.com
《帝国时代》:https://www.ageofempires.com
《异星工厂》:https://www.factorio.com
—
制作与营销由 Pen Name 负责。
来源:The Pragmatic Engineer (Gergely Orosz) · newsletter.pragmaticengineer.com