AI 编程还没彻底解放程序员，GitHub 已经先感受到压力了。GitHub 官方近日披露：2026 年 9 月，平台单月 Commit 达到 73.8 亿次，超过一年前的 5 倍！GitHub Actions 单月执行 32.6 亿次，Push 量同比增长 4.9 倍。
更夸张的是，GitHub 今年迄今已经增加了400 万个 CPU 核心、160 PB 高速存储和 50 Tb/s 网络容量，以应对不断增长的工作负载。
以前，程序员改完代码，测试通过了再提交。现在，Coding Agent 可能改一次、提交一次，报错了再改，再触发测试、再提交。多个 Agent 同时运行，代码变更和 CI 任务的数量自然水涨船高。
当然，不是所有 Agent 都这么低效，也不能把 GitHub 的故障全部归咎于 AI。
但一个问题已经摆在眼前：
AI 降低了写代码的成本，却不一定降低验证、测试和维护代码的成本。
如果 Agent 只顾着疯狂生成代码，却没有有效的测试、停止条件和提交策略，那么代码生产越快，浪费的计算资源可能也越多。
说到底，Commit 数量不等于生产力，代码生成速度也不等于交付效率。
AI 编程的下一场竞争，或许不是谁写代码更快，而是谁能用更少的试错，交付真正可用的软件。
https://github.blog/engineering/building-git-infrastructure-for-agent-scale-development/
你用 Coding Agent 时，有没有遇到过它折腾半天、提交一大堆，最后却没解决问题的情况？
