GitHub提交量四个月翻倍，验证能力却未跟上。
内容提要
GitHub因AI生成代码导致月提交量从14亿增至29亿，系统超载宕机。核心问题是代码生成呈指数增长，而验证仍依赖人工，瓶颈在验证环节。建议采用按变更部署的并行验证方式，让代理在真实环境中测试，以匹配生成速度，避免验证成为基础设施短板。
延伸解读
验证瓶颈的根源
文章指出，代码生成已呈指数增长，但验证仍依赖人工，容量曲线近乎平坦。这种不对称导致验证成为基础设施的短板。传统共享暂存环境只能串行处理，而全栈复制成本高昂，无法匹配生成速度。理解这一根源，有助于团队重新审视验证流程的设计。
三种应对策略及其局限
面对验证瓶颈，团队通常采取三种策略：加速代码审查、限制代理生成量、或直接合并并承担后果。但文章强调，这些方法各有局限：AI审查无法运行代码，限制代理牺牲了效率，直接合并则可能导致生产事故。这些策略只能缓解，不能根本解决验证能力不足的问题。
按变更部署的并行验证
文章提出一种结构性解决方案：保持共享环境运行稳定版本，仅对变更涉及的服务进行部署，并通过路由键隔离测试流量。这样每个变更都能在真实依赖下并行验证，成本仅为一次额外部署。这种方法让代理能在真实环境中迭代，使人工审查更聚焦于设计意图。
Q&A
GitHub的月提交量在四个月内翻倍，具体数字是多少？
GitHub的月提交量从4月的14亿次增长到8月的29亿次，四个月内翻了一倍多。
GitHub在8月17日宕机的原因是什么？
GitHub在8月17日宕机是因为其美国中部数据中心的一个核心基础设施组件未能随流量扩展，导致服务中断7小时47分钟。
GitHub提交量激增的根本原因是什么？
GitHub提交量激增的根本原因是AI生成代码的普及，使得代码生成速度呈指数级增长，而验证环节仍依赖人工，导致验证成为瓶颈。
文章指出的核心问题是什么？
文章指出的核心问题是代码生成已实现机器速度且呈指数增长，而验证（证明变更按预期工作且不破坏现有功能）仍依赖人工，速度接近持平，两者之间的差距成为未来三年的关键基础设施问题。
面对验证瓶颈，团队通常有哪些应对方式？
团队通常有三种应对方式：一是使用AI代码审查工具加快审查速度，但仍有局限；二是限制代理生成的代码量，保护验证队列；三是直接合并并承担下游故障，可能导致生产事故。
文章提出的结构性解决方案是什么？
文章提出的结构性解决方案是采用按变更部署的并行验证方式：保持一个共享环境运行稳定版本，对每个变更只部署其修改的服务，并通过路由键将测试流量导向变更版本，从而在不复制整个堆栈的情况下实现并行验证。
为什么说验证是基础设施的短板？
因为代码生成已实现机器速度且呈指数增长，而验证仍依赖人工，速度接近持平，导致验证成为瓶颈。共享暂存环境会形成队列，复制完整堆栈成本过高，无法跟上生成速度，因此验证成为基础设施的短板。
文章提到GitHub宕机事件与验证瓶颈有何关联？
文章将GitHub宕机事件视为验证瓶颈的预演：宕机原因是核心组件未随流量扩展，而在大多数交付系统中，验证就是那个未扩展的组件。当提交量激增时，验证能力不足会导致系统故障。
