同一天，Anthropic 讲了怎样应对每天超过 3 万项合入改动，LangChain 则分别更新了长任务的信息压缩和智能体日志搜索。把这些事放在一起看，代码产出已经能跑得很快，接住它的工具却开始吃力。写得更多之后，搬运、保留和检查都得跟上。

01 连夜提出六项优化，能留下的只有两项

留下的是会话复制和延迟导入的改动。被拒绝的方案，有的依赖脆弱的缓存状态，有的碰了第三方库的内部属性，还有的只在合成测试里显示收益。跑得快，还得算上以后会怎样坏。

更有意思的是测试。智能体跑过的 16892 项公开单元测试全部通过，谷歌内部仍有 25 个测试目标失败：移除某些模块导入后，原有测试模拟所依赖的访问位置被改掉了。团队随后用延迟访问的方式修复。表面没变的接口，连测试怎样找到它都要照顾。

这份复盘给我的提醒很具体：让 AI 多试方案有价值，维护者也要敢删。合成测试里赢了一次，不能把将来的兼容麻烦一并算成成功。

02 改动量涨了十多倍，版本管理先吃不消

压力不只来自提交。主分支历史接近 100GB，压缩后的工作副本超过 25GB，仅持续集成每天就要做约 2500 万次代码检出。智能体只改一小处，也可能先花时间把大量代码搬到工作环境里。写代码省下的时间，又花在搬代码上。

Scion 把长期在线的智能体和自动任务作为主要使用者：需要什么文件再向服务器取，许多差异和历史查询交给服务器处理。小任务不用总背着完整仓库出门，版本管理的做法也随之改变。

不过，Anthropic 明确承认这是很特殊的工作量，Git 对绝大多数仓库仍然合适。这不是劝普通团队明天换工具。我更在意的是：代码生产变快了，等待可能只是换了地方。

03 长任务先挑材料，压缩后仍能取回全文

工具输出压缩的例子很直白：要查欧洲订单的退款条款，就在工具调用时写明这个问题。网页正常抓回来后，再挑出相关内容给智能体看。压缩结果会说明删减情况，并提醒需要全文时，可以不带压缩问题再调用一次。少读，但没有把回头查的路堵上。

对话概括也有退路：旧消息到达设定门槛后才归纳，近期消息继续保留；如果概括调用失败，原历史不动，任务继续。这些细节比单报一个便宜多少的数字更实在。压缩省下了阅读量，也多了一道选择材料的判断。

我会先看它有没有保住原文和关键约束，再看摘要有多短。尤其是退款条件、错误码、用户的原话，少几个字就可能换一个意思。省材料可以，不能省掉查证的机会。

04 日志能按行为搜索，没搜到却不等于没发生

长日志有多难读？团队抽样了 150 个 Open SWE 会话，中位数约 7.2 万词元，其中约 85% 是工具输出；少数甚至超过百万。AI Search 会先去掉重复历史，再给每条轨迹分配 8K 的阅读预算：用户消息和面向用户的回复优先，其他内容依次填入，装不下就截断或舍弃。

这个取舍适合查很多对话行为，却有明显盲区。作者自己也说，智能体忽略工具错误的证据可能只在工具结果里，而这部分恰好可能没被完整保留。搜到了，可以顺着原始记录查；没搜到，不能拿来证明它从未出错。

这和上一节是一件事的两面：智能体工作时要挑材料，查它的工作时也在挑材料。工具能帮人缩小排查范围，不能把没读到的内容变成安全结论。

回到谷歌早上收到的那份改动：六项提议，最终保留两项。Anthropic 要让海量改动进得去，ScaleDown 要让长任务读得动，LangSmith 要让异常找得到。每一步都在做取舍，每一步也都可能漏东西。

我更愿意把 AI 写代码省下来的时间，留一部分给这些具体问题：搬了什么，删了什么，查过什么，还有什么根本没看见。能跑一整夜很好，第二天仍要说得清楚。

🔥 今日话题：你让 AI 连续干活时，最先遇到的麻烦是什么：等环境、忘前文，还是出了问题翻不到证据？

👇 点个「在看」，转给正在让 AI 接手更多代码工作的朋友。

Google for Developers（原始文章）

Anthropic（原始文章）

LangChain / ScaleDown（原始文章）