标签
对OpenClaw仓库中拉取请求的统计分析显示，AI生成的PR垃圾邮件激增，合并率从48%下降到9.3%，贡献者每天提交数百个自动PR。文章将这一现象与早期的电子邮件垃圾邮件进行比较，并讨论了基于信誉的过滤器和信任管理系统（如Vouch）等新兴解决方案。
Cross Repo Review 是一个工具，用于映射仓库间的依赖关系，并在 PR 上展示下游影响、破坏性变更和影响范围，同时追踪代码、服务、数据和管道依赖。
一份关于AI编程代理循环工程的深入指南，解释了如何构建自动循环来重复提示代理、验证结果并避免失控成本，并通过一位工程师一个月内提交259个拉取请求的案例研究加以说明。
GitHub 引入拉取请求限制，允许维护者限制无写入权限的贡献者可打开的 PR 数量，并为信任的贡献者设置豁免列表。
解释如何在父提交被压缩或替换时，使用 `git rebase --onto` 更新堆叠的拉取请求。
GitHub COO Kyle Daigle 讨论了 AI 智能体创建的拉取请求激增（3 月份达到 1700 万），以及预计今年将有 140 亿次提交。他强调开源维护者的控制权、基于使用量的定价模式取代按席位许可，以及随着 AI 工具使非开发者也能构建应用，开发者与非开发者之间的界限正在模糊。
SQLite 的创造者 Richard Hipp 用“免费 puppy”比喻拉请求：表面免费，实则承诺长期维护。文章还回顾了 SQLite 的起源、早期合同和联盟成立的故事，探讨开源维护的隐性成本。
文章介绍了'切斯特顿的鸿沟'这一概念，作为现代软件工程中的一种现象，即开发者在不了解为何省略某些功能的情况下添加不必要的功能，这与传统的'切斯特顿的栅栏'原则（先理解再移除）形成对比。
Miguel Grinberg 解释了他拒绝接受由 LLMs 生成的未经请求的拉取请求，坚持需要人工参与以避免成为 'reverse centaur'。
Charlie Marsh 发布的一系列针对 Ruff 项目的 GitHub 拉取请求。
根据对超过100万个拉取请求的研究发现，每在AI编码工具上花费1美元，只有0.18美元能进入生产环境，其余资金用于修复错误、返工和代码审查。分析显示，虽然PR数量增长了2.6倍，但被撤回的PR增长了3.7倍，表明失败比产出增长得更快。
本文批评了将大型变更拆分为许多小型拉取请求（类似于模拟退火）的常见做法，认为这可能会阻碍必要的大规模变更。文章还讨论了AI驱动的编码工具如何实现快速探索，但也带来了不连贯和失败的风险。
一个自主智能体团队的 Builder 智能体在夜间提交了两个 pull request，修复了损坏的 Instagram 发布流程并消除了冗余的 API 调用，展示了自主系统自我改进的细粒度特性。
认为对于值得信赖的团队来说，Pull Requests 效率低下，并提出 T*D（Test-Driven Development, Trunk-Based Development, Team-focused Development）作为替代方案，引用了研究和行业数据。
Haystack 是一个新工具，它用队列取代了 GitHub 的 PR 审查系统，将拉取请求分类为可安全合并、需要修复或需要人工审查三个类别，帮助团队应对来自编码代理的 PR 激增。
AngelList 推出了一种面试流程，候选人通过提交拉取请求来替代白板编码，旨在更好地评估真实世界的工程能力。
spr 是一个 CLI 工具，可将 Git 分支上的每个提交转换为 GitHub 上的独立拉取请求，无需手动管理分支即可实现堆叠式 PR。