3600人、95%覆盖率、24万次拦截：Cloudflare怎么用AI把“提效不降质”变成现实
内容提要
Cloudflare用11个月构建了AI工程栈，分为平台、知识、治理三层：通过代理Worker和AI Gateway实现零信任与降本，用AGENTS.md和Backstage提供上下文，以Codex RFC标准库机器化工程规范。其AI代码评审系统由协调者调度7个专科Agent，按风险分级，四个月拦截1.6万次不合规合并，单次成本仅0.98美元，展示了AI时代软件工程的标准落地与审查执行之道。
延伸解读
分层用模型，成本与质量兼得
Cloudflare的实践表明，不同任务对模型能力的要求差异很大。他们用顶级模型做协调裁决，标准模型处理代码质量、安全等重活，开源模型Kimi K2.5承担文档评审等轻量任务。这种分工不仅让单次评审中位成本降至0.98美元，还通过Workers AI将安全Agent成本降低77%。对团队而言，盲目追求最强模型可能造成资源浪费，按任务难度匹配模型才是规模化落地的关键。
机器可读标准是自动化的前提
Cloudflare没有直接把Wiki文档喂给AI，而是将工程规范整理成带SHOULD/MUST的结构化RFC，并抽取为JSON格式。这一步让标准能被Agent一致地读取和执行，也使得审批与强制执行分离成为可能。国内团队在推进AI治理时，应优先将标准机器可读化，否则后续的自动化审查和强制执行都难以落地。
负面清单比正面指令更有效
Cloudflare在评审Agent的Prompt中明确写出“不该关注什么”，例如安全Agent只标记可利用或具体危险的问题，忽略理论风险和泛泛建议。这种负面清单显著减少了AI输出的“正确的废话”，提高了信噪比。对于任何Agent设计，明确边界往往比堆砌指令更能提升输出质量。
工程细节决定系统可靠性
AI评审系统看似简单，但Cloudflare在工程细节上投入了大量精力：使用JSONL日志避免进程崩溃导致数据丢失，心跳日志防止误判模型卡死，熔断降级机制应对供应商故障，break glass逃生舱保证紧急情况下的灵活性。这些细节确保了系统在真实生产环境中的稳定运行，是AI工具能否被团队接受的关键。
Q&A
Cloudflare的AI工程栈分为哪三层？
Cloudflare的AI工程栈分为平台层、知识层和治理层。平台层负责安全、低成本地调用AI，知识层为AI提供代码库上下文，治理层确保AI产出符合工程标准。
Cloudflare如何降低AI调用的成本？
Cloudflare通过使用Workers AI托管开源模型（如Kimi K2.5）来降低高频安全Agent的成本，相比商业闭源模型降低了77%。此外，通过代理Worker统一入口和AI Gateway集中管理，减少了跨云网络跳转，进一步降低了延迟和成本。
Cloudflare如何解决MCP工具过多导致的上下文窗口Token暴涨问题？
Cloudflare在MCP Portal层引入Code Mode，将182个MCP工具收敛为两个Portal级工具（portal_codemode_search和portal_codemode_execute），模型通过写代码的方式发现和调用具体工具，从而避免上下文窗口被工具Schema占用过多。
Cloudflare的Codex工程标准库是如何运作的？
Codex是Cloudflare的工程标准库，采用RFC格式，用SHOULD和MUST区分建议和强制。标准被抽取为结构化JSON，并设置“批准”和“强制执行”两阶段生命周期。目前已有60多条RFC，由专门的Agent负责提取和分发。
Cloudflare的AI代码评审系统是如何工作的？
该系统基于开源OpenCode构建，由协调者Agent（Opus 4.7）根据风险等级调度最多7个专科Agent（如代码质量、安全、性能等）。系统按风险分级（Trivial/Lite/Full）分配不同数量的Agent，并采用插件化架构、熔断降级、break glass逃生舱等机制。4个月内拦截了1.6万次不合规合并，单次评审中位数成本仅0.98美元。
Cloudflare的AI代码评审系统有哪些关键工程细节？
关键细节包括：使用JSONL格式日志、心跳日志防止误判、Prompt注入防护、熔断与降级机制、break glass逃生舱、增量复审等。这些细节保证了系统的稳定性和可靠性。
Cloudflare的AI代码评审系统运营数据如何？
30天内运行了131,246次评审，覆盖48,095个MR，中位耗时3分39秒，中位成本0.98美元，P99成本4.45美元，缓存命中率85.7%，break glass仅占0.6%。
Cloudflare对国内团队有哪些启示？
启示包括：先解决“Agent知道什么”再谈“Agent能做什么”；标准要先机器可读再谈自动化执行；审批和强制执行要分开；不是模型越贵越好而是分工越细越好；“不该做什么”比“该做什么”更值钱。
