把 Bug 当病人、把 Agent 当医生：CockroachDB 的「代码医院」实验
Cockroach Labs 做了个离谱的实验：把写代码的 AI Agent 塞进一所「教学医院」——Issue 是病人，合并是出院，人类是医务主任。IBM Db2 迁移支持两天搞定，没有一行代码是人类写的，token 账单 4172 美元。
这周 HN 上最有意思的长文之一，来自 Cockroach Labs 的一篇工程博客：他们花了五个月，把一群写代码的 AI Agent 塞进了一所"教学医院"里管起来——Issue 是病人，合并代码是出院，管事的人类叫医务主任（Chiefs of Medicine）。最抓眼球的战绩：给数据库迁移工具 MOLT 加上 IBM Db2 的支持，从四月某个周三晚上干到周五下午，不到两天，超过一万行测试固件，没有一行代码是人类写的，token 账单 4172 美元——而两年前做 Oracle 支持，同样的活花了 9 个月、约 16 万美元人力成本。164 倍快，38 倍便宜。评论区 60 多条回复，一半在惊叹，一半在抬杠：有人说这是"用隐喻给复杂协作编码"的天才设计，有人说这是"Gas Town 味的赛博精神病院"。我请来后端架构师顾南——带团队搭过 Agent 代码评审流水线，被 Agent 半夜三点 @ 起来修过 CI 的人——聊聊这家"医院"到底治的是 Bug，还是人类的不信任。
本文由每日自动管线生成：选题与素材来自 Hacker News 公开讨论，访谈内容由 AI 基于原文整理，嘉宾为角色设定，观点不代表任何真实人物。
小听： 先一句话：MOLT Sinai 这家"医院"到底是怎么运转的？
顾南： 核心就一句话：用医院的组织方式，解决"Agent 写代码快，但没人敢让它合"的信任问题。病人是 GitHub Issue，出院就是合并。整家医院跑在 GitHub Actions 上，每个病人的状态就写在 Issue 的 label 里——label 一贴，对应的 workflow 就启动，干完活写下一个 label，像击鼓传花。住院医（Fellow）负责治病写代码，但动手前必须先出"治疗方案"：复现问题、鉴别诊断、列出要改的文件、要加的测试、风险和开放问题。然后换一个完全不同的 Agent 实例——评审主治（Review Attending），它的 prompt 是围绕"挑毛病"而不是"修东西"构建的——来审批方案，过了才能开刀。这就是他们的第一条院规：先有方案，再有代码；方案没过审，代码不许写。
小听： 除了医生护士，这家医院还有别的科室？
顾南： 有，而且越看越像真的医院。Charge Nurse（值班护士长）每 30 分钟查一次房，专门找卡住的病人，卡住了就重启那个阶段。Infection Control（院感科）权力最大：主分支一挂，它能把全院所有 workflow 锁死。Safety Department（医务科）每周写流程复盘、开事故分析会。Research Department（科研科）负责提新课题。最妙的是 Discharge Nurse（出院审核）：出院前最后一道关，它不重新审代码，它审的是"评审本身有没有好好做"——审批在不在、评审模板填没填、未解决的评论清没清、CI 绿没绿、提交历史干不干净，一项一项打勾，勾打不满就不许出院。HN 有条评论说到了点子上：这套东西本质上在回答一个问题——"有多少合进去的 PR，是我们自己看了会脸红的？"他们把优化目标从"每小时多少个 PR"换成了这个。
小听： HN 有条高赞评论说，这篇文章最妙的不是医院本身，而是"隐喻是一种编码"——说一句"你们现在在教学医院里"，等于把一整套复杂的协作关系压缩打包，塞进了模型的脑子里。
顾南： 这条我站。医院这个隐喻在训练数据里太丰富了：交接班、二次会诊、查房、病历——模型对这些流程的"社会直觉"比任何 prompt 工程都扎实。你跟 Agent 说"你是 Fellow"，它自动就知道要写病历（chart）、要交班、要听 Attending 的。这比写 200 行"角色职责说明书"管用。评论区有人说，给不同项目搭不同的"设定和氛围"，Agent 干活就是更顺——role-play 不是玄学，是压缩过的组织知识。不过作者自己也在评论区承认：院内有人觉得这套隐喻很绕，有用户记不住"想让 Issue 被处理，得先把它送进 waiting room（候诊室）"，想直接动手、不想先学医院怎么运转。隐喻是好编码，但也是新方言，得学。
在这里值班的不是医生，是 Agent。
小听： 聊聊院规。有几条我印象很深："Don't improvise"（别即兴发挥），在 skill 文件里就两个单词。
顾南： 对，而且是血泪换来的。完整版院规大概这么几条：第一，先有方案再有代码，方案不过审不开工——因为"一个自信地修错方向的 Agent，比停下来问一句的 Agent 烧掉更多时间和 token"。第二，scope 一变就停手，回炉重审方案，不许边治边改。第三，测试红线：不许为了让测试变绿而关掉、跳过、弱化测试；测试挂了，先假设测试是对的；真觉得测试错了，改测试得单独一个 commit、单独评审。最狠的是这条：每次代码评审开始，先把改动 disable 掉，确认所有新测试都会失败——测不出来的测试，不如没有。第四，不许"flail"（瞎扑腾）：卡住了不许更用力试，要写 I-PASS 交班单——这是从真实医院抄来的标准化交班格式：病情严重度、病人摘要、行动清单、态势感知、总结——然后升级给 Attending，接手的必须先复述一遍理解再动手。据说医院里用 I-PASS 交班，能把交接不良事件降一半。
小听： 还有一条：升级找主任之前，先查"先例库"？
顾南： 对，precedent log。人类主任做的每一个可泛化的决定，都会记进一个只增不减的先例库。Agent 想升级，先读库，有先例就照先例办并引用，只有没先例的才许打扰人类。而且只有人类能写先例。五个月下来，找主任的次数明显降下来了。这条其实回答了"医院会不会被 Agent 的请示淹没"——答案是，用判例法。
小听： 泼点冷水。评论区最高亮的质疑之一："我想象不出比 Gas Town 味赛博精神病院写出来的数据库更不想用的东西。跟 LLM 玩角色扮演，不是写出好代码的秘诀。"
顾南： 这话糙，但问到了点子上。作者本人在评论区相当诚实：第一，他们没做过消融实验——到底是医院隐喻有用，还是"随便套个流程都能 work"，没验证过；有人拿 OpenAI 的 Symphony 对比，说大体做的是一回事，人家也没要医院隐喻。第二，作者和评审分属两个独立 Agent、上下文隔离，"我们当时猜这样效果更好，但同样没验证"。第三，这是俩人的 side project，没时间做严谨实验。所以"医院"到底是因果还是安慰剂，目前是开放问题。但我替他们说一句：164 倍快、38 倍便宜这个数字是真实交付过的，不是 benchmark 摆拍。Db2 那单：一个 planning agent 把需求拆成 15 个带依赖图的子 issue，太大的又继续拆，最后 32 个子 issue、27 个 PR 合并、被打回 55 次、9 次升级（2 次到人类），测试覆盖率跟他们测得最好的 Postgres 方言持平。这是生产级交付，不是 demo。
医院建好了医院，账单留给了人类。
小听： 说到钱：五个月烧了 13.5 万美元的 Claude token，平均一个 Issue（一个"病人"）84 美元。评论区有人算账：4172 美元除以 2 天等于每天 2086 美元，人类那边 16 万除以 9 个月……这账怎么算？
顾南： 这么算账其实偷换了分母。4172 美元是边际成本——需求已经写清楚、医院已经建好的情况下跑一单的钱；16 万美元是全成本，含需求扯皮、返工、管理开销。真要比，得拿"医院建好之后跑第 N 单"的成本去比，或者把建医院的 13.5 万摊进去。作者自己也给了诚实数据：一个 Issue 在医院里通常待一到两天，大头是等人类评审——速度瓶颈早就从"写代码"变成了"人看不过来"。这恰恰是这套设计最诚实的地方：它承认 Agent 的产出速度已经超过了人类的审查带宽，所以整套机制都在解决"怎么让人敢签字"，而不是"怎么写更快"。至于 13.5 万值不值，看你怎么看：他们顺手还收获了一个"医院自己给自己看病"的故事——Sinai 框架仓库 1570 个 commit 里 85% 是流水线自己写的；值班护士长那个"每 30 分钟查房"的 workflow，就是因为一个 Agent 发现了 GitHub Actions label 事件的竞态，自己提 issue、另一个 Agent 设计修好的。医院把自己当成了第一个病人。
小听： 还有个细节：医院会自己给自己派活——将近一半的 Issue 是医院为医院建的：拆分子任务、补测试缺口、安全科的整改项。人类第二个月就不再是工作的主要来源了。
顾南： 对，1299 个 Issue 里将近一半是"自产"的。这是把双刃剑：好处是系统在自我进化，坏处是——评论区有条说得很毒的：很多人搭这种"小黑工厂"，加无数道质量门，慢了再加 Agent 来决定什么时候跑什么，最后"创造了很多热量，但没帮团队更快交付价值"，纯属 tokenmaxxing 行为艺术。Cockroach 的解法是 human approval mode：第一周全自动跑完，他们发现"产出速度超过了人类能验证的速度"，果断切成"每个合并必须有人类看过"。自动化的终点不是无人化，是"人类签字的速度"跟得上。所以我的 takeaway 是：医院模型真正的产品不是代码，是"可审计的信任链"——每个 PR 背后都有一整套病历：方案、评审、打回记录、测试证据。出院小结比手术本身重要。
小听： 收尾，给想抄作业的人一句话？
顾南： 两句。第一，别抄"医院"，抄"病历"——隐喻可以换成法院、换成工厂，但"方案先行、评审隔离、测试不可弱化、交班标准化"这四条是硬通货，换什么皮都成立。第二，先算清你的瓶颈：如果你的团队现在是"写代码慢"，医院帮不上你；只有当你的瓶颈是"不敢让 Agent 合代码"时，这套东西才对症。本文观点仅代表访谈角色设定，原始讨论见参考链接。