GitHub COO Kyle Daigle（由 Every 的 Mike Taylor 采访）谈当 agent 开始生成全球最大代码平台上大部分代码时会发生什么。
核心看点：（1）数据——去年 10 亿 commits，今年预计 140 亿。仅 3 月份就有 1700 万 agent 创建的 PR。（2）开源维护者——GitHub 给维护者更多工具来决定谁能贡献、需要多少证明，但把控制权留给社区。（3）$200→$2000 问题——解决方案是自动 model routing，做 find-and-replace 不需要 GPT-5.5，系统应该自动降级到 Haiku。（4）Hill climbing——用真实使用数据持续改进模型，但有时 hard eval 改善了用户情绪反而崩了，这叫 overfitting。（5）个人 AI loop——Kyle 的 OpenClaw agent 叫 Baxter，每天读他的邮件和 Slack 给他一份沟通报告。
Kyle Daigle：去年 10 月 GitHub Universe 我们公布全年 10 亿 commits。今年目标是 140 亿。
3 月份有 1700 万 agent 创建的 PR。这只是 agent PR。
我们正在从早期采用者阶段走出来。现在是 Kyle 加一两个 agent 用我的技能、我的资源、我的上下文。
关于开源维护者：给他们更多工具来决定接受谁的 PR。但不同社区选择不同方式。Linus Torvalds 的 vouch 系统并不通用。
我们不想做第一个创建标准的人。如果标准自然涌现，我们会锁定它。
关于商业模式：$200 订阅变成 $2000 的解决方案是自动 model routing。
当你做 find-and-replace 时，不需要 GPT-5.5。系统应该自动降级。
但困难的部分是知道什么时候该降级，这需要理解任务意图。
关于 hill climbing：我们每周看数据、看改进、看 hard measures 和 soft measures。
有时 hard eval 改善了但用户情绪崩了——这叫 overfitting。
我的个人 AI loop：我有个叫 Baxter 的 OpenClaw agent，读我的所有邮件和 Slack，每天给我一份沟通报告。
Kyle，你一直用这个比喻。这不是很清晰。
人类比从其他人那里更愿意接受来自机器的批评性反馈。没那么有威胁性。
当 Baxter 告诉我做得不好时，我觉得更舒服去问为什么。
然后确保我写邮件、写脚本、审查细节时 incorporate 那个反馈。
我的很多 agent loop 是关于我自己的改进，不只是软件层面。
关于 Windows：GitHub Copilot app 我只在 Windows 上用，因为我想确保 Windows 上的开发者也有好的体验。
每个周末我 swap between Mac、Windows PC 和 Linux box 来编码。
关于 Build 大会：我们故意邀请社区讲者。软件开发是团队运动。
不存在任何一家公司能回答所有问题。
我们邀请外面的人来讲他们的部分故事。
关于竞争：我们关心开发者选择。我们经历了从大量 API 的时代到某种无意中围墙花园的转变。
我们不想让开发者被困在另一个 mousetrap 里。
关于 token 经济学：token 经济学会成为选择什么模型的更大因素。
我们离在本地设备上跑一个不太小的语言模型来做部分工作已经不远了。
长期看，个性化、上下文、记忆这些从 ChatGPT 和 Copilot 出现以来一直是真理。
一个能帮你直觉到想法的 agent 会给你好体验，尤其是你不需要亲自把那个想法编码给 agent。
SA
