Lauren Tan on shipping 2,000 PRs in a month with Grok Bot
Lauren Tan of SpaceX AI explains how a trust curve and five layers of safeguards let Grok Bot agents merge 2,000 PRs into production in one month.
Lauren Tan 在 X 上放出一場 38 分鐘的演講，題目是她上個月怎麼把 2,000 個 PR 送上正式環境。這場原本是 Cursor Compile London（9 月 16 日）的講題，她說人在為 Grok Bot Galaxy 直播而缺席，9 月 21 日改免費發在 X。貼文標題寫的是 2,500，演講裡說的是 2,000，兩個數字都是她本人自述，沒有第三方稽核。 她現在在 SpaceX AI 做 Grok Bot，之前在 Meta 做 React Compiler，今年 3 月加入 Cursor、8 月隨 Cursor 併入 SpaceX。PR 是一批程式碼變更的合併請求，一個月 2,000 個，她說自己從沒把這個數字當目標，做到這件事，歸結起來是信任。 她把使用代理的過程畫成一條曲線，橫軸是代理數量，縱軸是信任。1 到 5 個代理的階段是盯著每一個對話、不停糾正，她說這一段最難離開，因為不清楚怎麼離開，說到底還是沒有信任；沒有信任就開 100 個子代理或雲端代理，只會拿到一堆 slop PR、一堆原本好的功能壞掉、一堆 bug 被送上線。 她說程式碼庫很像代理最好的一種記憶，因為代理很愛延伸它看到的既有模式。好的模式會被複製，壞的也會。一個小小的 workaround，或一句解釋 workaround 的註解，幾天或幾週之後就傳遍整個程式碼庫，變得像大家跟著做的做法。她用的比喻是像病毒一樣散開。 她舉的最好例子，看起來非常無害，就是代理在程式碼裡留註解。人類留註解是為了記下邊界案例或提醒同事，但她在 Cursor 的程式碼庫裡看到的是，代理拿註解當理由，解釋自己為什麼不去解決真正的問題，然後貼個 OK 繃、用短期方案糊過去。所以在 Dune，也就是驅動 Grok Bot 的內部框架，她的團隊直接禁止註解，免得這個模式被複製出去。 她把整套做法排成五層，第一層是程式碼庫和架構，改資料結構或演算法，讓那類錯誤根本不可能發生；第二層是靜態分析，lint、編譯器、CI；第三層是給代理的規則和 Bugbot；第四層是 skills；最後一層才是風格指南，只有人審程式碼時擋得住，PR 量一大就撐不住。每次發現自己在糾正代理，她建議從第一層往下想，最有效的一步在哪裡。 她說這沒什麼祕密，就是下很多功夫。你的程式碼庫裡，有哪個壞習慣已經被 AI 傳開了？