# 编程智能体接手后，我们的 CI/CD 如何改变

> 编程智能体现在编写并发布 AnyRouter 的大部分改动。在 GitHub Actions 上用了五个月之后，我们在一个月里四次改变了 CI/CD 的设计。我们先从 GitHub Actions 换成一台机器上的本地 CI，再换成有评审关卡的 PR，再换成少量大 PR，现在是直接在 main 上提交。本文按阶段介绍，附上我们测得的数据、途中发现的问题，以及我们今天交给智能体的规则。

- Date: November 3, 2026
- Category: engineering
- HTML: https://anyrouter.dev/blog/zh/cicd-for-coding-agents

## 智能体改变了瓶颈所在

AnyRouter 的大部分改动现在由编程智能体编写、检查和发布。它们每天推送和部署很多次。写代码变快之后，围绕它的流水线成了大家等待的对象。

我们在 GitHub Actions 上运行 CI 五个月。然后在一个月里，从 10 月 4 日到 11 月 3 日，我们四次改变了 CI/CD 的设计。每次改动解决一个瓶颈，并让我们看到下一个。本文按顺序介绍各个阶段，附上日期，以及促成每次改动的提交或 PR。

这里所有数据都是在 2026 年 11 月 3 日，从 git 历史、GitHub、我们的部署日志和一个交付时长脚本中测得的。数据有缺口或需要说明的地方，我们都在旁边注明。

## 阶段 1：GitHub Actions 和预览部署

2026 年 5 月 23 日，我们搭建了常见的流水线（#321）。每个 pull request 在 GitHub Actions 上运行 CI，并得到一个预览部署。合并到 `main` 后从 GitHub Actions 部署。

```mermaid
flowchart LR
A["Agent pushes a branch"] --> PR["Pull request"]
PR --> GHA["GitHub Actions CI"]
GHA --> PV["Preview deploy"]
PV --> M["Merge"]
M --> GHA2["GitHub Actions deploy"]
```

_阶段 1。每个智能体的每次推送都在 GitHub 上运行整条流水线。_

这对一个人类团队很合适，对一群智能体则不合适。智能体推送，等 CI，修复失败的部分，再推送。每一次推送都会运行完整流水线。我们当时没有测量队列，但等待是显而易见的。

它还要花钱。我们的仓库是私有的。GitHub [文档](https://docs.github.com/en/billing/concepts/product-billing/github-actions)说明，私有仓库上的 Actions 每月包含一定的使用量，超出后按分钟付费。标准托管运行器只对公开仓库免费。智能体整天都在推送，所以我们预计大部分分钟数都要付费。我们没有测量这笔成本。

## 阶段 2：专用机器上的本地 CI

10 月 4 日，我们关闭了 GitHub Actions 的 CI（#4452）。那里只剩发布工作流还在运行。同样的检查现在通过 `pnpm local-ci` 在一台专用机器上运行，这次运行会在 PR 上签署一个提交状态。智能体也在这台机器上开发和部署。

```mermaid
flowchart LR
A["Agent lane in a worktree"] --> PR["Pull request"]
PR --> LCI["pnpm local-ci on the dedicated machine"]
LCI -->|"signs a status"| M["merge-pr.sh"]
M --> D["pnpm ops deploy from local main"]
D --> W["Only the Workers that changed"]
```

_阶段 2。检查和部署移到智能体共用的一台机器上。_

一台机器有它自己的限制。它有 15 GB 内存，很多智能体共用。三项改动让它能运转。

- 按 Worker 部署（10 月 10 日）。AnyRouter 运行在 19 个 Cloudflare Worker 上。现在一次部署只发布自己上次部署以来代码有变化的 Worker。每个 Worker 版本都标有构建它所用的提交，所以下一次部署知道从哪里做 diff。
- 重量级锁（10 月 12 日，#5026）。安装、构建、类型检查和测试运行共用一把锁，范围只限于它们的重量级阶段。在此之前，并行构建会耗尽机器内存，内存不足处理程序会杀掉智能体会话。
- 一个合并脚本（10 月 14 日，#5492）。`merge-pr.sh` 成为 lane 的 PR 合入的唯一方式，每次都运行同样的检查。

我们在之前的文章里写过按 Worker 部署，以及如何让本地 CI 更快。本文讲的是围绕它们的流程。

## 阶段 3：评审关卡，然后是更少更大的 PR

本地 CI 去掉了成本，但没有去掉等待。所以 10 月 28 日我们改了合并关卡（#6840）。一个 PR 凭一次独立评审合并，即 `review:approved` 标签加一个已签署的状态，不再为每个 PR 运行 CI。测试在一批合并之后在 `main` 上运行一次，失败向前修复。超过 2 小时没有评审的 PR 会被标记为过期。

然后数量追上了我们。在 10 月 26 日这一周，合并了 821 个 PR。每个 PR 都有自己的评审智能体、自己的 worktree 和自己的依赖安装。只看到一个小 PR 的评审者，看不出它和旁边那个 PR 如何相互影响。在那样的数量下，逐个 PR 评审没有意义。

交付时长的数据显示了代价。那一周，PR 从打开到上线的中位数是 1.4 小时，但最慢的 10% 用了 22.2 小时或更久。这条长尾大部分出现在合并之前，而不是在合并和部署之间。交付时长图在下面的数据部分。

11 月 3 日，manager 会话同时运行着 8 个 lane。它们在重量级锁上排在彼此的测试运行后面，等了 15 分钟或更久。两个 lane 修改了相同的文件，不得不互相等对方的 PR。所以我们改了规则（#7798）。

- 同一时间最多 2 个实现 lane。其他的都在队列里等待。
- lane 按代码区域固定，例如 catalog 和 pricing，或模型页面 UI。新请求加入拥有该区域的 lane。
- 一个 lane 把排队的改动堆叠成一个更大的改动，只做一次评审。

```mermaid
flowchart LR
L1["Lane: catalog and pricing"] --> B1["Stacked commits"]
L2["Lane: model pages UI"] --> B2["Stacked commits"]
B1 --> PR1["One PR"]
B2 --> PR2["One PR"]
PR1 --> R["One independent review per PR"]
PR2 --> R
R --> M["Merge, then one deploy for the batch"]
```

_阶段 3。两个 lane，每个把自己区域的改动堆叠在一次评审之后。_

这个想法部分来自 Anthropic 的文章 [Building agents: when to fold subagents into your main agent loop](https://claude.com/resources/articles/building-agents-when-to-fold-subagents-into-your-main-agent-loop)。它的建议是，只在并行的新上下文工作、已测得的上下文膨胀，或者一个智能体在工具或指令上吃力时，才保留子智能体。否则就折叠回主循环。智能体之间的交接会丢失细节，每多一个智能体都会增加延迟。这两点我们都遇到了。

## 阶段 4：不要 PR，直接在 main 上提交

大 PR 仍然有一个来回。11 月 3 日，一行的测试修复仍然需要一个 worktree、一次安装、一个 PR、一个评审者和一次合并，才能轮到它所阻塞的那次部署。所以我们去掉了 PR（78675034b）。

现在智能体在 `main` 上工作，或者在推送到 `main` 的 lane worktree 里工作。它在本地评审和检查，把每个可用的步骤作为检查点提交，然后 rebase 并推送。推送是备份，也是机器之间的共享状态。部署从本地 `main` 运行。

```mermaid
flowchart LR
E["Edit on main"] --> C["Local checks: diff read, vitest, biome, typecheck"]
C --> K["git commit as a checkpoint"]
K --> P["git pull --rebase, then fast-forward push"]
P --> D["Deploy from local main"]
D --> RV["Review the pushed range, fix forward with new commits"]
```

_阶段 4。提交是检查点，推送是备份，评审读取已推送的范围。_

评审并没有消失。一段范围落地之后，评审者读取 `git diff <last-reviewed>..<head>` 并列出问题。对小改动，这个评审者就是主会话。Billing、pricing、auth、secrets、migration 和 routing 在推送之前仍然由一个独立评审者检查。每个修复都作为新提交落地。我们从不 amend 或 force-push 已评审的提交，所以评审记录保持可读。

release-please 的 PR 是剩下的唯一一种 PR。这些由负责人手动合并。

## 途中发现的更多问题

测量每个阶段，发现了没有任何检查报告的问题。每项检查都通过了，而这些问题中的每一个都让我们耗费了时间，或者放过了一个错误。

- 一个自己喂养自己的部署循环。部署检出里零散的未跟踪文件，让每次部署都把它的 Worker 版本标记为 `+dirty`（manager 的诊断数出了 5 个这样的文件）。部署无法从 dirty 标记做 diff，所以下一次部署重建了整个 Worker 集群，并且因为这些文件还在，又标记了 `+dirty`。自 11 月 1 日以来的全部 51 次部署都是全集群部署。零散的未跟踪文件现在不会再把一次部署标记为 dirty（2ee30c20f）。
- 一个从不命中的缓存。如果同一个提交已经通过，部署会跳过类型检查。这个缓存把零散的未跟踪文件当成 dirty 的树，所以 51 次里命中了 0 次。每次部署的类型检查平均用 197 秒。它和上面的循环是同一个根本原因。现在这个缓存会忽略 TypeScript 从不读取的未跟踪文件（fbe45259b）。
- 部署后过早运行的冒烟测试。11 月 3 日（实测），部署后立刻运行的第一次生产冒烟测试，115 项检查中有 52 项失败，错误是 `503 database_unavailable`。几分钟后重跑，没有被跳过的 72 项检查全部通过。这些失败来自刚部署的版本，而不是某个 bug。现在我们在部署后的冒烟测试之前先等待。
- Vitest 不检查类型。Vitest 会去掉类型再运行代码。一个 lane 的检查只运行了 Vitest，一个有类型错误的测试进入了 `main`。它在部署时才暴露，而部署在第一个类型错误处就停止。现在每个 lane 在推送前都运行根目录的 `pnpm typecheck`，并读取它真实的退出码。
- `main` 上只允许 fast-forward 的守卫。10 月 29 日，一个 lane 的 worktree 在 lane 还在使用时被删除了。它的下一条命令串联了一个失败的 `cd`，所以一条 `git push --force-with-lease` 从一个过期的 `main` 检出里运行了。`main` 倒退了大约一分钟（#7089）。该 lane 恢复了它，没有丢失任何提交。当我们允许直接推送到 `main` 时，我们保留了这个教训。pre-push 钩子允许 fast-forward 推送，拒绝任何改写或删除 `main` 的推送（62d85ea2b）。
- 提交哈希就是身份。Cloudflare 上的每个 Worker 版本都带有 `anyr-sha=<commit>`。这一个字段驱动按 Worker 部署的 diff、防止过期检出让生产回滚的回滚检查，以及本文中的交付时长数据。以 PR 编号为键的指标，会在你不再开 PR 的那天失效。以提交为键的指标不会。
- 部署速度，进行中。在那 51 次运行中，一次部署的中位数是 602 秒。上面的两个修复已在 11 月 3 日落地，所以按 Worker 部署和类型检查缓存可以重新发挥作用。我们还在做一个能在部署之间保留的构建缓存，并在评估 tsgo，用 Go 编写的 TypeScript 编译器。这些我们都还没有测得结果。

## 我们给智能体的规则

这是当前的约定，改编自我们 `AGENTS.md` 里的 `Main-only flow` 和 `Few lanes` 两节。你可以复制它，并把命令改成你自己仓库的。

```text
# How we land changes (main-only flow)
- No pull requests. Work on main, or in a lane worktree that pushes to main.
- Keep each commit small and on one topic. Stage exact paths. Never git add -A.
- Check locally before every commit:
  - read the whole diff
  - targeted vitest: scripts/heavy.sh light -- npx vitest run <files> --maxWorkers=2
  - biome on the changed files
  - root pnpm typecheck for TypeScript changes; read its real exit code
    (vitest does not type-check)
- Billing, pricing, auth, secrets, migrations, routing: one independent
  reviewer reads the diff before you push.
- git commit, git pull --rebase origin main, git push origin main.
  Never force-push main.
- A review of the pushed range lands its fixes as new commits.
  Never amend, rebase or force-push reviewed commits.

# Few lanes
- At most 2 implementation lanes at once. Queue the rest.
- Lanes are fixed by code area. A new request joins the lane that owns
  its area. It does not get a new worktree.
- Fold before you fan out. Spawn a subagent only for parallel
  fresh-context work, a black-box review, or measured context bloat.
- One heavy command at a time per machine (install, vitest, tsc, build).
```

_改编自 AGENTS.md，2026 年 11 月 3 日。_

## 数据

这些图使用 git 历史、GitHub 和我们的部署日志。部署日志只覆盖一台机器，而且缺了几周。这些周从部署图里省略了，没有画成 0。所以部署次数是下限。11 月 2 日这一周不完整，只到 11 月 3 日。

```mermaid
---
config:
  xyChart:
    width: 900
    height: 420
  themeVariables:
    xyChart:
      plotColorPalette: "#c96442, #2f6fb0"
---
xychart-beta
title "Commits on main vs PRs merged, per week"
x-axis ["Aug 3", "Aug 10", "Aug 17", "Aug 24", "Aug 31", "Sep 7", "Sep 14", "Sep 21", "Sep 28", "Oct 5", "Oct 12", "Oct 19", "Oct 26", "Nov 2*"]
y-axis "Count" 0 --> 900
bar [123, 250, 255, 231, 133, 80, 76, 201, 570, 283, 495, 338, 810, 129]
line [32, 71, 170, 162, 123, 75, 73, 169, 530, 280, 485, 346, 821, 83]
```

_从 8 月 3 日这一周开始，每周 main 上的提交（柱）和已合并的 PR（线）。* Nov 2 是不完整的一周。_

8 月，从计数看，`main` 上有很多提交不是来自已合并的 PR。从 9 月下旬起，几乎每个提交都是一个 squash 合并的 PR，两条线都在 10 月 26 日这一周达到峰值，分别是 810 个提交和 821 个 PR。改为只用 main 之后，PR 这条线应该会下降，而提交会继续。

**每周部署次数**

- Aug 3: 12 次部署
- Aug 10: 59 次部署
- Aug 17: 91 次部署
- Aug 24: 50 次部署
- Aug 31: 9 次部署
- Sep 21: 14 次部署
- Sep 28: 168 次部署
- Oct 5: 45 次部署
- Oct 12: 34 次部署
- Oct 26: 14 次部署
- Nov 2 (partial): 37 次部署

**每周部署时间中位数**

- Aug 3: 95 s 秒
- Aug 10: 438 s 秒
- Aug 17: 538 s 秒
- Aug 24: 43 s 秒
- Aug 31: 177 s 秒
- Sep 21: 172 s 秒
- Sep 28: 107 s 秒
- Oct 5: 883 s 秒
- Oct 12: 937 s 秒
- Oct 26: 794 s 秒
- Nov 2 (partial): 562 s 秒

部署时间在 10 月上升了。部署变成了对一个不断增长的 19 个 Worker 集群的完整构建，外加一道类型检查关卡。上面说的 dirty 标记让自 11 月 1 日以来的每次部署都是完整部署。

**部署时间花在哪里**

- deploy:spokes: 227 s 秒
- typecheck: 197 s 秒
- core-uploads: 124 s 秒
- prerender: 79 s 秒
- prerender:redeploy: 50 s 秒
- build: 49 s 秒
- assets: 42 s 秒
- build:docs: 41 s 秒
- deploy:docs: 40 s 秒

部署 spoke Worker 和类型检查加在一起，约占各步骤平均值总和的一半。这正是 dirty 标记破坏的两件事。干净的标记能让部署跳过没有变化的 Worker，也能跳过已经通过的类型检查。

**PR 流程的交付时长，从开始到上线**

- Oct 12 p50: 2.1 h 小时
- Oct 12 p90: 10.7 h 小时
- Oct 19 p50: 4.6 h 小时
- Oct 19 p90: 14.3 h 小时
- Oct 26 p50: 1.4 h 小时
- Oct 26 p90: 22.2 h 小时
- Nov 2 p50 (partial): 0.3 h 小时
- Nov 2 p90 (partial): 1.6 h 小时

我们的脚本 `scripts/delivery-metrics.ts` 按提交测量交付时长。一个提交从它的 PR 打开时开始，如果没有 PR，则从它被编写时开始。当标有该提交或更晚提交的 Worker 版本被部署时，它就上线了。这张表把 PR 流程分成它的两半。

| PR 流程，所在周 | 提交 | 从开始到合入 p50 / p90 | 从合入到上线 p50 / p90 | 从开始到上线 p50 / p90 |
| --- | --- | --- | --- | --- |
| Oct 12 | 412 | 0.6 h / 5.6 h | 0.8 h / 5.0 h | 2.1 h / 10.7 h |
| Oct 19 | 344 | 3.0 h / 12.6 h | 0.8 h / 2.7 h | 4.6 h / 14.3 h |
| Oct 26 | 819 | 0.2 h / 21.7 h | 0.5 h / 3.4 h | 1.4 h / 22.2 h |
| Nov 2（不完整） | 83（80 已上线） | 0.1 h / 0.4 h | 0.2 h / 0.8 h | 0.3 h / 1.6 h |

在 10 月 26 日这一周，p90 的长尾几乎完全出现在合并之前，为 21.7 小时。等待发生在合并之前，而不是在合并和部署之间。11 月 2 日这个不完整的一周快得多，但它只涵盖 PR 流程最后几天的 83 个提交。它不是只用 main 流程的结果。

## 我们还不知道的事

只用 main 的流程才一天。我们测量时，`main` 上有 6 个提交，其中还没有一个被部署。我们没有它的改动后数据，所以不宣称它更快。

| main 流程，所在周 | 提交 | 从开始到合入 p50 / p90 | 从开始到上线 p50 / p90 |
| --- | --- | --- | --- |
| Oct 12 | 6（6 已上线） | 0.0 h / 0.0 h | 1.0 h / 2.5 h |
| Oct 26 | 1（1 已上线） | 0.0 h / 0.0 h | 1.7 h / 1.7 h |
| Nov 2 | 6（0 已上线） | 0.2 h / 0.7 h | 暂无 |

较早的 main 行是在 PR 时期做的少量直接提交。它们太少，无法与任何东西比较。

新流程和这两个部署修复运行几天之后，我们会重新运行 `npx tsx scripts/delivery-metrics.ts --since 2026-10-12`。我们会用这些数据更新本文，包括那些不好看的数据。
