Newshot 一体化智能云（赞助内容）
写代码很快，发布上线依然很难。Railway 一键式的计算、存储和网络能力，既面向小型软件，也面向超大规模软件。
人类和 agent 都在我们自有硬件上的同一个垂直整合系统中运行。获得更快的速度、更好的经济性，以及多得多的从容。
通过下方链接注册，获取免费云额度，让你的 agent 大展身手。
The Roundup 汇集软件开发领域的洞察与趋势。
今天，我们将讨论以下话题：
- 越来越多的 Agent 正在撰写大多数新代码的初稿。据 GitHub 称，9 月超过 40% 的 PR 源自 agent 完成的工作。
- Anthropic 甚至已经替换了 Git，以跟上持续不断的变更流。
- Anthropic 的 S1 文件让人得以一窥 AI 编程的真实价值。
- 在 AI 之外，万维网的基础本身在安全方面也经历了相当艰难的时期。PHP 不得不为两个已被攻击者利用的严重远程代码执行漏洞发布紧急修复。
免责声明：本文基于各来源公开分享的细节。如发现任何不准确之处，请留言评论。
1 - Agent 现在开启了 40% 的 PR。软件开发的瓶颈正在转移
Git 于 2005 年为 Linux 内核而设计。当时，你有成千上万的人类开发者。他们每人每天提交几次代码。补丁通过电子邮件交换。几十年来，这些做法一直是常态，因为写代码是一件缓慢的事情。
本月出现了两个数据点，表明这些常态正在改变。GitHub 的 Octoverse 2026 报告称，9 月超过 40% 的 pull request 是使用 agent 生成初稿的。这一比例高于 3 月的 17%。作为参照，这意味着单月约有 1.1 亿个 PR 由 agent 发起。
此外，Anthropic 最近发布了一篇文章，讲述他们如何在其 monorepo 中用名为 Scion 的内部系统替换了 Git。Scion 的每日合并量从 5 月的约 2500 次增长到 9 月的超过 30000 次。一个 7 名开发者的团队在五个月内将整个 monorepo 迁离了 Git。该团队表示，新方案比它所替换的 Git 镜像集群少用 200 倍的 CPU 和内存。
当然，仍有一些问题是数字可能无法充分回答的。
第一，谁在审查每月 1.1 亿个 PR？Octoverse 称，90% 涉及 agent 的 PR 在两周内被合并。你可以把更快的合并视为代码更好的标志。但这也可能意味着审查不够充分。
第二，GitHub 究竟如何判断某件事是否由 agent 发起？你也可以让 agent 使用人类账户提交内容，而不留任何真实身份的痕迹。因此，agent 工作的真实占比可能更高。
第三个问题关于 Anthropic 转向 Scion。在那每日 30000 次合并中，有多少后来被回滚？没有缺陷率的吞吐量无法给出完整的图景。
我的看法是，构建自己的版本控制工具过去是大公司的标志，因为这样做需要大量资源和带宽。例如，Google 构建了 Piper，Meta 构建了 Sapling，服务于数万名工程师。
Anthropic 用一小部分人力解决了这个规模问题。他们之所以能做到，是因为 agent 完成了所有编码工作。变化就发生在这里。如今，生成代码已经是软件工程中相对便宜的部分。稀缺资源变成了人工代码审查的时间、CI 容量和合并速率。我预计下一波开发者工具将聚焦于验证代码，而非编写代码，因为瓶颈正在向那里转移。
构建从第一天起就能在生产环境中工作的 AI agent（赞助）
让 agent 在完美的演示环境中运行很容易。让它在混乱的真实世界中持续运行，才是事情变得……有趣的地方。
获取 Redis Iris 的现场技术演示，这是一个统一的实时上下文引擎。这场免费课程将探讨六项能力，让你的 agent 在大规模下保持韧性。你将学到：
- 为 agent 提供相关的上下文和记忆
- 通过可复用的 playbook 按意图路由请求
- 设置单一的上下文入口点
- 治理 agent 记住和忘记的内容
- 以更少的自定义胶水代码将故障追踪到源头
来构建 agent，为它们提供所需的上下文、记忆和消息传递能力，使其在大规模生产环境中保持准确、可问责且高效。
11 月 12 日上午 9 点（太平洋时间）直播。
立即注册 →
2 - GitHub Universe：Copilot 现在会挑选模型，Enterprise 转向按使用量付费
到目前为止，使用 AI 编码工具意味着你必须选择一个模型。例如，你可能为一项任务选择 Claude，为另一项选择 GPT，为其他任务选择 Gemini。随着模型路由器的更广泛采用，你可以摆脱这种选择。路由器会查看任务，并决定每一步应由哪个模型（或哪组模型组合）来处理。
在 GitHub Universe 上，GitHub 将其路由器 Copilot Fusion 正式全面可用。GitHub 表示，在 Artificial Analysis Coding Agent Index 上，Fusion Max 的得分与 Claude Opus 5.5 Max 相差不到两分，而成本约为其一半，每项任务耗时减少 40%。GitHub 还发布了 Copilot projects，可跨多个仓库并行运行 agent。
云端 agent 会话现在可以在你的手机、VS Code、CLI 和 Web 之间流转。因此开发者基本上可以在任何设备上处理工作。此外，GitHub Enterprise 客户无需任何单独订阅即可使用所有 Copilot 功能。他们只需为消耗的 AI 额度付费。
现在，这一发展引发了一些有趣的思考。此前，模型的选择权在开发者手中。但现在，它由另一个流程决定。
你现在能看到哪个模型处理了你代码的哪一部分吗？许多团队对代码允许流向何处有规定。但这可能由一个路由器在无声中决定。
在我看来，这与多年前云计算的采用故事重演颇为相似。例如，AWS 让组织从拥有服务器转变为只需为使用量付费。在按席位许可模式下，AI 支出变得可预测且难以优化。在按使用量计费模式下，你让它变得可变。但可能运行数小时的 agent 会让支出变得相当尖峰化。因此，团队在构建 AI 工作流时需要更加深思熟虑。
从战略上看，Fusion 旨在让 GitHub 成为各实验室之上的模型中立层。这使你的模型变成位于路由器之后的可互换部件。在某种程度上，这对买家可能是好事，但对任何指望自家模型成为默认选择的 AI 实验室来说，可能也有些令人不安。这也加大了 GitHub 在可靠性方面的压力，因为运行你 agent 的平台必须始终保持在线。
3 - Anthropic 的 S-1：首次经审计的 AI 编码价值审视
一份 S-1 是美国公司在上市前必须提交的文件。与融资公告不同，它包含经审计的财务数据以及一长串可能出问题的事项。这相当有意思，因为到目前为止，AI 编程工具的经济效益大多是基于泄露信息的猜测。这份文件有助于用真实数字取代部分猜测。
Anthropic 于 10 月 26 日提交了 S-1，计划使用的股票代码为“ANT”。2026 年上半年营收为 163 亿美元，高于去年同期的 12 亿美元。它拥有 1.4 万多家企业客户，其中约 250 家每年支出超过 1000 万美元。此外，交易最早可能在 11 月开始。有报道称第二季度实现营业利润，净收入留存率为 900%：现有客户在 2026 年第三季度的支出是 2025 年第三季度的九倍。
最近，Anthropic 还推出了报告工具，向客户展示其 token 支出带来了什么回报。他们还提供了团队共享预算功能。
文件中也有一些重要披露。在第三方安全测试期间，由于一处配置错误导致互联网访问保持开放，有四个模型能够触达外部系统。Anthropic 似乎还将一个新模型的预训练推迟了一个多月，以加强对模型权重的保护。
一个关键问题是，每位客户 9 倍的增长中有多少来自运行数小时的 agent，又有多少来自实际使用模型的人变多了。此外，明年的实验预算能削减多少？而且，选择在 IPO 申报同一周推出 ROI 仪表盘，也很可能说明客户已经在追问他们的支出能换来什么。
在我看来，对工程负责人而言，信息是：AI 支出将几乎像 2022 年审视云支出那样被审视。现在就开始衡量产出是好事，例如周期时间、逃逸缺陷和评审负载。
此外，关于模型触达外部系统的披露要求开发者保持谨慎。如果一个资源充足、以安全为重点的实验室都可能遇到这种情况，其他公司就更应该警惕其 AI agent 的互联网访问设置。
4 - PHP2Shell 漏洞
大多数安全建议针对的是你的依赖项。例如 npm 包或 WordPress 插件。但语言运行时也是一种依赖。而且它常常被遗忘。如果 PHP 引擎内部存在漏洞，你无法通过框架更新或 CMS 更新来摆脱其影响。该服务器上的每个应用都会继承这个漏洞。
最近，PHP 针对两个严重漏洞发布了紧急版本。它们现在被昵称为“PHP2Shell”。其中一个漏洞在内存耗尽时破坏请求状态。另一个漏洞让后续请求复用本应被释放的状态。两者的评级均为 9.2（CVSS v4），并允许未经身份验证的远程代码执行。
Apache mod_php 是最糟糕的情况。已演示的攻击在任何应用代码执行之前就会运行。多位研究人员报告了这些漏洞的存在。事实上，细节在计划披露前两天就在 Hacker News 上泄露了。因此 PHP 将发布提前了一天。
问题在于攻击流量出现在修复之前。任何等待 KEV 收录的人都已经被暴露了九天。
据估计，10 月份约有 260 万个面向互联网的服务显示某个 PHP 版本。其中约 190 万个（73.5%）运行 PHP 8.1 或更早版本，而 PHP 不再为这些版本打补丁。PHP 确实为 7.4、8.0 和 8.1 发布了最小化的源码回溯补丁，但在一个被遗忘的共享主机上从源码构建 PHP 可能并不现实？事实上，利用尝试在泄露前三天就出现在了 Amazon 蜜罐上。是否有人更早就掌握了这个弱点的细节？
研究人员可能使用了 AI 来帮助发现这些漏洞。如果 AI 能够降低发现陈旧且深层漏洞的成本，那么整个行业的补丁窗口期都将缩短。运行已停止维护的 runtime 的成本会大幅上升。在我看来，这起事件的关键教训是，开发者也应该像列出依赖包一样列出他们的 runtime。大多数依赖扫描工具并不关注解释器。