一年140亿次提交之后，AI正在悄悄“搞乱”你的代码库

GitHub 正在迎来史上最疯狂的代码增长期：一年 140 亿次提交，其中大量由 AI 共同完成。但更大的问题来了——代码更多，开发者真的更高效了吗？微软开发者布道师 Marlene Mhangami 用一场 Playwright 实战演示，给了一个让很多人不太舒服、却极其重要的答案。

14 亿？不，是 140 亿：AI 正在把代码生产推向失控边缘

如果你觉得 2025 年 GitHub 一年 10 亿次提交已经够夸张了，那 2026 年的数据可能会让你重新认识“代码爆炸”这个词。Marlene 在演讲一开始就抛出一个数字：GitHub 目前每周约有 2.75 亿次提交，按这个速度推算，今年可能会接近 140 亿次提交。

更值得警惕的是：这些提交里，越来越多是 AI 参与甚至主导完成的。Copilot、Claude 会在提交中“签名”，而即便没有签名，GitHub 也能通过代码模式识别出 AI 的参与痕迹。

问题随之而来：代码变多 ≠ 生产力变高。我们可能正站在一个拐点上——AI 把“写代码”这件事变得极其廉价，但把“维护系统”这件事变得前所未有地昂贵。

斯坦福 12 万开发者的结论：AI 不是放大器，而是“污染源”

Marlene 引用了一个很少被认真讨论、但杀伤力极强的研究：斯坦福对 12 万名开发者的长期观察。结论并不讨喜——AI 的价值高度依赖于你原本的代码库质量。

在“干净”的代码库里，AI 是生产力倍增器；但在缺乏约束的代码库中，AI 会放大混乱。研究中的一个真实案例非常扎心：某团队在数据库层面大量使用 AI，PR 数量明显上升，但代码质量持续下降，重构和返工时间暴涨，最终算下来，整体效率只提升了 1%。

一句话总结就是演讲里的金句：“Unchecked AI amplifies entropy.” 没有测试、类型、文档和模块化，AI 不是你的队友，而是制造技术债的加速器。

TDD 没死，只是单位测试死得太响了

TDD 在 2014 年就被“宣判死亡”，罪名很熟：过度关注代码覆盖率，沉迷单元测试，忽略真实行为。DHH 当年的那篇文章至今仍被频繁引用。

Marlene 的观点并不为 TDD 辩护，而是重新定义 TDD 的对象。问题不在“先写测试”，而在“写错了测试”。

当测试紧紧绑定某个内部方法名、实现细节时，哪怕只是一次无害的重构，测试都会碎成一地。而在 AI 时代，这个问题被进一步放大：AI 很擅长生成“自我肯定型测试”——测试验证的是 AI 自己写的实现，而不是系统是否真的对用户有用。

真正该被测试的，是行为：搜索是否真的返回正确结果？过滤是否真的影响页面状态？接口是否遵守稳定契约？这正是 Marlene 把话题引向 Playwright 的原因。

Playwright + AI：把“红-绿-重构”重新跑快一遍

Playwright 并不是新工具，但 Marlene 展示的是一种新组合：功能级测试 + Agentic TDD。

在她的 Demo 里，Copilot 不是从写代码开始，而是从“失败的 Playwright 行为测试”开始：打开页面、输入 Furby、点击分类、验证价格区间。浏览器真实运行、真实点击、真实截图。

关键变化在于节奏：
- Red（失败测试）：AI 快速生成基于行为的 Playwright 测试；
- Green（让测试通过）：AI 以最快速度写“能跑”的实现；
- Refactor（重构）：人类开发者介入，清理结构、命名和架构。

Marlene 特别强调：AI 让前两个阶段“几乎免费”，但真正的价值在第三阶段。你不再浪费时间写样板代码，而是把精力用在判断“这段代码值不值得长期存在”。

她还给出了一组非常实用的实践建议：每个功能只写一个行为测试；把 Playwright 截图直接放进 PR；必要时用 headless 模式；在让 agent 大改代码前先 commit。

总结

这场演讲真正想传达的，并不是“大家都去用 Playwright”，而是一个更尖锐的提醒：在 AI 时代，测试不再是质量保障，而是生产力的地基。

如果你的测试只是在服务代码覆盖率，那 AI 只会让你更快地堆出一座摇摇欲坠的系统；但如果测试锁定的是用户行为和系统契约，AI 才会成为真正的放大器。

一个值得你带走的问题是：如果明天你团队的 50% 代码都由 AI 生成，你现在的测试体系，能不能拦住它犯下的“聪明错误”？如果答案是否定的，也许是时候，从功能测试开始，重建你和 AI 的合作方式了。

关键词： Playwright， GitHub Copilot， AI Agent， TDD， 功能测试

事实核查备注： 1. GitHub 2025 年约 10 亿次提交、2026 年推算 140 亿次提交的数据来源需核查（COO Kyle Daigel 推文）。2. 斯坦福 12 万开发者研究的具体论文名称与发布时间需核查。3. Claude、Copilot 在 GitHub 提交中标记/识别 AI 参与的具体机制需核查。4. Playwright MCP Server 与 Playwright Agents 的正式命名与文档链接需核查。