Bun与Claude构建自主编程流水线 AI提交量反超人类

Live coding session with Boris Cherny and Jarred Sumner — Claude

Claude

AI编码让生成补丁沦为廉价建议,软件工程瓶颈已从编写代码彻底转向测试验证与顶层规划决策。

AI-assisted summary of Live coding session with Boris Cherny and Jarred Sumner — original source. Check the original for full context.

Source published:

Key ideas

  • Bun 团队构建的自动化机器人 RoboBun 在最近三个月的 main 分支代码贡献量上已正式超越创始人 Jarred Sumner,位列仓库第一。 (2:08)
  • RoboBun 执行严格的双向验证机制:自动编写的测试用例在旧版上必须失败、在修复分支上必须通过,方可提交 PR 并触发 Code Rabbit 与 Claude Code Review 的对抗式审查。 (2:08)
  • 软件工程瓶颈已从过去的“写代码”和“基础测试”,转移到“深层逻辑验证”、“CI 耗时与合入信心”,以及高阶的“规划与工程品味(Taste)”。 (15:40)
  • Claude Code 的 Auto Mode 彻底解决了权限确认导致的会话挂起痛点;现场演示单条 Prompt 无人值守自主运行 30 分钟,连续输出 4 个高质量生产级 PR。 (28:45)

Detailed notes

## Background 该视频由 Claude 官方频道于 2026 年 5 月 6 日在 YouTube 平台发布。视频记录了 Anthropic 的 Claude Code 负责人 Boris Cherny 与 Bun 创造者 Jarred Sumner 的联合现场编码分享,深入展示了他们如何在日常高强度软件工程中实际应用 Claude Code。

## TL;DR Jarred Sumner 现场展示了 Bun 深度定制的全自动化 Issue 修复流水线“RoboBun”,该系统可在无人工干预下自动复现 Bug、编写严格的双向测试并提交 PR,近三个月贡献量已稳居仓库榜首。团队还引入了 Code Rabbit 与 Claude Code Review 组成的双 Agent 对抗式审查,并配合针对构建约束沉淀的 CLAUDE.md 与“爬山法”实现自闭环性能调优。在 30 分钟的直播期间,后台通过 Auto Mode 单指令自主并发生成了 4 个高质量 PR;两人进一步探讨了工程瓶颈的演变:随着写代码不再是卡点,开发重心已全面转向深层验证信心、架构规划以及不可替代的“工程品味”。

## Atmosphere & style 整场演示散发着极其纯粹硬核的极客气质与现场临场感,Jarred 一边在台上谈笑风生,一边在后台挂着多个终端并发修真实的线上 Bug。Boris 与 Jarred 的互动自然松弛且棋逢对手,充斥着一线构建者心照不宣的技术幽默(如调侃 Zig 饱和截断与跳过权限的野路子操作)。看着终端后台在 20 多分钟内无缝输出多个通过测试的生产级 PR,整个过程给观众带来一种未来已至的冲击感与工程范式颠覆感。

## Bulletin - [02:08](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=128s) Bun 团队构建的自动化机器人 RoboBun 在最近三个月的 main 分支代码贡献量上已正式超越创始人 Jarred Sumner,位列仓库第一。 - [02:08](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=128s) RoboBun 执行严格的双向验证机制:自动编写的测试用例在旧版上必须失败、在修复分支上必须通过,方可提交 PR 并触发 Code Rabbit 与 Claude Code Review 的对抗式审查。 - [15:40](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=940s) 软件工程瓶颈已从过去的“写代码”和“基础测试”,转移到“深层逻辑验证”、“CI 耗时与合入信心”,以及高阶的“规划与工程品味(Taste)”。 - [28:45](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1725s) Claude Code 的 Auto Mode 彻底解决了权限确认导致的会话挂起痛点;现场演示单条 Prompt 无人值守自主运行 30 分钟,连续输出 4 个高质量生产级 PR。

## Key takeaways - [01:02](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=62s) Bun 建立了端到端自主 Issue-to-PR 流水线,针对新提交的 GitHub Issue 自动拉取环境、编写复现用例、修复代码并提交合并请求。 - [02:08](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=128s) 硬性双向测试约束确保代码质量:测试用例在发布版必须失败、在 Debug 修复分支必须通过,未经严格验证的改动绝不允许建 PR。 - [04:16](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=256s) Code Rabbit 与 Claude Code Review 构成对抗式多 Agent 审查闭环,前者把关代码风格与规范,后者深入追踪控制流和边缘边界情况,动辄交互多达数十轮。 - [08:03](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=483s) 复合工程(Compound Engineering)理念:通过维护根目录的 CLAUDE.md,把每一次模型犯错转化为永久性的指令与构建规范沉淀下来。 - [11:01](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=661s) 大模型能力跃迁让“百 Agent 并发”设想成真,告别了初期依赖 Docker 和重型脚手架拼凑的状态,如今高阶模型能自主闭环交付生产代码。 - [13:10](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=790s) Claude Code Review 的信噪比显著优于传统代码审查工具,误报率仅约 10%,擅长跨越 Diff 追踪改动之外的全局控制流路径。 - [15:40](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=940s) 生产力瓶颈发生根本性转移:代码生成质量已越过可用门槛,当前核心卡点在于 CI 运行速度以及审查者是否对合入变更具备充分信心。 - [18:27](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1107s) “爬山法(Hill Climbing)”模式验证了自主极限调优潜力:给予量化指标(如超越 Sharp 库)与反馈闭环,模型可不知疲倦地持续重构并击败基准线。 - [21:40](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1300s) CLI 防闪烁模式(No Flicker Mode)重写了终端渲染引擎,采用虚拟化滚动与选择架构,在维持恒定 CPU 和内存占用的同时支持鼠标点击交互。 - [25:08](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1508s) 工程最终极的瓶颈在于顶层规划与决策:AI 能高效解决已知 Bug,但决定项目“做什么与不做什么”仍极度依赖人类不可替代的工程品味。 - [27:38](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1658s) PR 属性由“人类沉没劳动的结晶”降级为“低成本的修改建议”,拒绝 AI 提交的代码毫无情感负担,反向抬高了合入主干的代码质量门槛。 - [27:38](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1658s) 团队协作信任机制重构:传统软件工程依赖人际信任,而 AI 时代工程师的信任转向对自动化系统本身与测试闭环的有效性。 - [28:45](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1725s) Auto Mode 实现了单条 Prompt 下长达数十分钟至数小时的完全无值守运行,极大降低了上下文切换与人工等待确认的阻力。

## Detailed walkthrough ### [01:02](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=62s) 开场与 Bun 的高级 Claude Code 工作流

Anthropic 的 Claude Code 负责人 Boris Cherny 与 Bun 的创造者 Jarred Sumner 共同登台。这场分享面向现场的开发者群体,抛弃了单纯的理论宣讲,直接进入现场编码与架构演示。Jarred Sumner 首先开门见山地指出,Bun 在构建和维护运行时环境时深度依赖 Claude Code,而且他们所建立的自动化流水线比目前行业中常见的做法更加超前和深入。

在正式讲解技术架构前,Jarred 在台上一边演讲一边顺手调起多个 Agent 去后台自动修复真实的 GitHub Issue,Boris 笑着调侃这是“典型的 Jarred 行为,在演讲期间直接写代码干活”。

```mermaid flowchart TD accTitle: Bun Automated Issue-to-PR Workflow accDescr: GitHub issue triggers RoboBun to reproduce, test, fix, and review via automated bots before human merge.

subgraph IssueReproduce["问题复现阶段"] A["GitHub 新提交 Issue"] --> B["RoboBun 机器人"] B --> C["自动编写复现测试用例"] end

subgraph Verification["严格验证闭环"] C --> D{"双向验证"} D -->|"旧版 Bun"| E["必须失败 (Fail)"] D -->|"修复分支"| F["必须通过 (Pass)"] end

subgraph ReviewLoop["自动化代码审查闭环"] F --> G["提交 Pull Request"] G --> H["Code Rabbit (风格规范检查)"] G --> I["Claude Code Review (深度边界与逻辑)"] H <-->|"多轮对抗式互评与修复"| I I --> J["自动标记为 Resolved"] end

J --> K["人类工程师最终审核与合并"] ```

---

[02:08](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=128s) RoboBun:自动复现、强制测试与贡献超越人类

Jarred 深入展示了 Bun 仓库中针对 Issue 的全自动处理逻辑。在 Bun 的代码库中,只要有开发者提交了一个新的 Issue(例如展示中的关于副作用的最新问题),名为“RoboBun”的 Bot 就会立即启动并尝试复现该 Bug。一旦成功复现,Bot 就会自动生成代码修复并提交 Pull Request。

整个流程中最核心的约束是**严苛的测试验证机制**。RoboBun 绝不允许提交未经测试的 PR。Jarred 解释了他们的核心校验逻辑: - 测试用例在旧版本(发布版)的 Bun 上必须运行失败; - 同样的测试用例在包含了当前修复代码的 Debug 分支上必须运行通过。

只有同时满足这两个硬性条件,Bot 才有权限向仓库提交 PR。Boris 向 Jarred 确认道:“所以这意味着,在任何人去查看之前,Bun Issue 追踪器上的每一个 Issue 都会由 RoboBun 自动尝试复现一遍?”Jarred 证实了这一点,并指出这彻底改变了团队的工作重心:“这极大节省了时间,因为我们有海量的未关闭 Issue。它真正将核心挑战从‘排查和调试问题’转变成‘这是不是那个值得合并的正确方案?它的修复程度如何,是解决了 100% 还是只解决了 10%?’”

Jarred 打开了 GitHub 的仓库洞察(Insights)页面,查看最近三个月面向 `main` 分支的贡献者统计,数据令人震惊:RoboBun 如今在 Bun 代码库的贡献量上已经超越了 Jarred Sumner 本人,稳居第一。Jarred 笑着补充说,这还是在团队非常克制、并没有合并它提交的所有 PR 的情况下达成的。

---

[04:16](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=256s) 对抗式代码审查:Code Rabbit 与 Claude Code 的双 Agent 互评

除了由 Bot 生成 PR,Bun 还构建了自动化的 Agent 间代码审查机制。在生成的 PR 中,不同的审阅机器人会与 RoboBun 展开长达数十轮的实时“拉锯战”。现场展示的一个 PR 中,评论往复多达 30 条:Code Rabbit 提出关于代码格式或未遵循规范的意见,RoboBun 随即作出修改并回帖,Code Rabbit 确认修复后自动将对话标记为解决(Resolved)。

Boris 将这种机制总结为多种 Agent 的协同组合,Jarred 详细拆解了两者的分工: - **Code Rabbit**:负责捕捉代码风格问题、语法细节,以及是否严格遵守了仓库规范文档(如 `CLAUDE.md`)。 - **Claude Code Review**:负责深层逻辑和边缘场景分析。Jarred 评价道:“Claude Code Review 特别擅长找出那些极其微妙的极端边界情况(Edge Cases),那种通常需要我自己通读所有代码、掌握完整上下文并花上 30 分钟才能理清的问题。”

Jarred 强调,如果没有这种带反馈回路的自动化审查与实时自动修复,大规模使用 Agent 就会变得难以落地。过去合并 PR 最痛苦、耗时最久的地方往往在于工程师要把分支拉到本地、手动修复一个 linter 报错、本地跑静态检查再推回远程,上下文切换成本高得惊人。而由 Agent 负责自动跑通代码、修复 lint 并推回分支,彻底清除了这些开发阻力。

Boris 和 Jarred 深入讨论了 Bun 代码库的特质对该模式的加持作用:Bun 是一门纯系统级代码(Systems Code),且作为一个 CLI 命令行工具,它不依赖浏览器渲染,复现环境非常纯粹,可以通过在特定硬件架构上执行测试闭环来确定性地验证一切。Jarred 同时指出,该模式完全具备向通用业务代码推广的潜力:对于非开源的公司或产品,Issue 的触发点可以换成**客户支持工单(Customer Support Tickets)**,直接由 Agent 尝试复现客户报修的问题、编写测试并提 PR,从而释放整个团队的生产力。Boris 提议为这种 Agent 彼此互相提需求、修代码的流程取个名字,例如“对抗式代码审查(Adversarial Code Review)”。

---

[08:03](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=483s) 上下文工程与复合工程(Compound Engineering)

为了让数以百计的 Agent 高效运转而不乱写代码,必须依赖极其扎实的工程基础设施。Jarred 坦言,如果只是直接把 Agent 接入代码库而不做环境预设,它一定会失败。

在这套体系中,核心基石是代码仓库内的 `CLAUDE.md`。针对 Bun 需要编译才能运行的特性,`CLAUDE.md` 强制规定了一套专门的构建命令,该命令不仅完成编译,还会自动转发参数直接运行产物,防止 Agent 错误地引用了陈旧过期的 Debug 构建。此外,文档内巨细靡遗地规定了: - 如何编写和放置测试用例; - 如何正确运行测试; - 打印错误信息时的顺序技巧(例如要求测试必须在抛出无用条件前先打印具体的失败原因,以保证上下文窗口最先截获关键报错); - 核心目录划分架构与依赖关系。

针对这一维护策略,Boris 总结道:“这就像是你让 Claude 写了个测试,结果测试写得很糟或者某处跑不通;只要你看到这种情况重复出现了一两次,你就直接告诉 Claude:把它写进 `CLAUDE.md` 里面去,这样以后每次写测试时它第一次就能做对。”Jarred 赞同并将其定性为**复合工程(Compound Engineering)**:每一次遇到的阻碍都会沉淀为永久性的模型指令。

此外,Agent 必须具备自主接入 CI 环境的能力,能够直接读取构建日志、监控 CI 报错并自发修正,直到所有流水线全部变绿。Jarred 强调了自动化的终极标准:“理想的状态是,当你阅读代码时,你拥有非常明确的信号,能够以极高的信心直接合并它;而要做到这一点的唯一前提,就是整个系统从一开始就为它的成功做好了环境搭建。”

---

[11:01](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=661s) 从百个 Agent 假说到 Opus 4.7:自动化时代的跃迁

Boris 回忆起两人初次见面时的交谈:“我记得我们刚认识的时候,你就在谈论你的设想:未来每个人都能在后台并行运行上百个 Agent。我当时觉得我并没有真正理解它。但现在,我自己每天晚上也都在跑几百个 Agent,我觉得我终于体会到了。这是你深思熟虑了很久的方向。”

Jarred 分享了这一构想在 Bun 代码库中的技术演进: 1. **初期阶段**:团队仅使用一个简单的 Discord Bot,通过 `@` 艾特机器人在后台起一个 Docker 容器,完全不具备 CI 联动和双向 Review 闭环能力; 2. **当下阶段**:配合高阶模型(如现场提及的 Opus 4.7),闭环推理能力发生了质的飞跃。过去需要搭建极其复杂的脚手架(Scaffolding)、耗费巨大 Token 吞吐才能勉强拼凑的逻辑,现在模型能以极高的效率直接在日常开发中稳定交付。

在演示现场,Boris 邀请台下观众举手表决:现场大约有一半的开发者仍然停留在“开很多个终端窗口或桌面标签页,人肉复制 Issue 粘贴给模型”的操作范式;而像 RoboBun 这样通过闭环直接拉升抽象维度的开发者仍属少数。此时后台系统传来了提示:刚刚在台上启动的修复流水线已经完成了任务,连续提交了两个包含了完备测试用例的全新 PR。

- **核心数据与事实总结**: - RoboBun 提交的所有 PR 均受硬性条件拦截:测试在主线版本必挂、在修复分支必过。 - 近三个月面向 `main` 分支的代码提交量中,RoboBun 的贡献排名已正式超越创造者 Jarred Sumner。 - 自动化审核流程中,Code Rabbit 与 Claude Code Review 曾对单个 PR 展开超过 30 轮自动化修正与回复交互。 - 现场演示仅过去数分钟,后台两个针对最新真实 Issue 的 Bugfix PR 已经完成自动化生成与自测。

[13:10](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=790s) 审查 Zig 代码改动与 Claude Code Review 的控制流追踪

Boris Cherny 和 Jarred Sumner 一起查看由 Claude 生成的代码差异。改动中包含清晰的前后对比展示,Boris 好奇这是显式提示词触发的还是模型自发行为,Jarred 解释说模型在处理字符串格式化等逻辑时非常擅长判断何时应该提供对比,而且改动很好地保留了 Bun 风格的标签,没有混入 Node.js 稍有不同的写法。在检查具体实现时,Jarred 指出代码按数据块(chunks)批量写入而非逐字节操作,这是正确的优化方向;但他对其中使用饱和截断(saturation)的做法持保留意见,认为此处本不应该需要这样处理,并半开玩笑地询问在场是否有人真正精通 Zig 语言。代码整体严格遵循了 `CLAUDE.md` 规范,比如采用 `await using` 以及并发 resolve 所有 Promise 的模式。

在谈到看到此类改动后的工作流时,Boris 询问 Jarred 是直接介入评论还是等待代码审查工具的反馈。Jarred 表示具体取决于复杂度,对于眼前这个改动较小、测试通过即可放心合并的 PR,他依然会倾向于等待 Claude Code Review 机器人运行完毕。Jarred 解释道:“What I really like about that is it will find things that like from from that aren't in the diff that are like from tracing the control flow.” 传统的人工代码审查正是需要一个拥有全局上下文的资深工程师,去追踪代码改动之外的执行路径并推演所有边缘用例,而当前的自动化工具在信噪比上表现优异,仅有大约 10% 的误报率;相比之下,过去他们尝试过的其他代码审查产品充斥着杂音,基本只能全部忽略。

[15:40](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=940s) 生产力瓶颈的转移:从“代码能不能写”到“如何快速验证正确性”

随着管道中提交量的激增,Boris 询问像 RoboBun 这种自动复现 Bug、自动提 PR 修复的闭环全自动流程究竟从何时开始真正变得切实可行。Jarred 查看提交记录图表,指出近期的代码提交体量呈现出爆炸式增长。这使得整个开发流程的核心矛盾发生了根本性转变:过去团队受限于模型输出的代码质量不够高,而如今的代码水平已经跨过了可用门槛,新的瓶颈完全变成了审查者是否有信心直接点击合并按钮。

面对 Boris 提出“还需要何种工具或模型能力才能让 RoboBun 真正彻底闭环”的提问,Jarred 深入剖析了验证与回滚成本之间的博弈。Jarred 指出:“Now really the bottleneck is like do I feel good about merging this? Am I confident that its changes are correct? And that's new because it used to be like the code wasn't good enough.” 无论对于人类提的 PR 还是 AI 自动提交,验证变更正确性都需要耗费大量时间。解决这一问题的方向无外乎两点:一是工具需要给出足够充分的证明来展示改动确实无误;二是建立起极低成本的自动回滚机制。对于大量简单的日常缺陷,团队本应更频繁地点击合并,目前的真实卡点其实是持续集成(CI)系统的执行速度以及全面运行整套庞大测试套件所需的时间。

```mermaid flowchart TD accTitle: AI自主修复从生成到合入的流程与瓶颈演变 accDescr: 展示了从Issue输入到最终合入的各个阶段,并标注过去与当前的瓶颈所在。

subgraph InputStage["输入与复现"] A["GitHub 收到用户 Issue"] --> B["RoboBun 自动分析与复现"] end

subgraph GenerationStage["代码编写与优化"] B --> C["Claude 编写补丁与测试用例"] C --> D["遵循 CLAUDE.md 风格约定"] end

subgraph ReviewStage["新旧瓶颈分水岭"] D --> E["Claude Code Review 审查控制流"] E --> F["CI 运行庞大测试套件"] end

subgraph MergeStage["验证与合入"] F --> G{"变更正确性验证"} G -->|"传统瓶颈: 代码质量不足 (已攻克)"| H["打回重写"] G -->|"当前瓶颈: 验证耗时与合入信心"| I["开发者安全合入 PR"] end ```

[18:27](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1107s) 用“爬山法”实现高难度特性的极限调优与自主迭代

两人的讨论随后延伸到日常工程实践的深度。Boris 感慨道,模型几乎每隔一段时间就会更新,工程师必须不断重新校准对 AI 能力边界的认知,而 Jarred 利用 Claude Code 的方式甚至比负责开发 Claude Code 的 Anthropic 自身团队还要激进,几乎实现了全自动化的飞跃。Jarred 历数了 Bun 团队在过去短短两周内取得的成果:不仅实现了 HTTP/3 服务器,提出了 HTTP/2 服务器 PR,为 `fetch` 增加了 HTTP/3 和 HTTP/2 支持,内置了完整的图像处理 API,甚至还在进行一项极具野心的 Rust 重写实验。

谈及内置图像处理库的性能表现时,Jarred 分享了自己让 Claude 直接在 Linux 机器上跑 Benchmark 跑分的经历。他的指令极为简单直接——“让它比 Sharp 库更快”,随后只给了几条关键提示,比如让模型研读 JavaScriptCore 的底层源码以避免在非必要情况下对类型化数组(TypedArray)进行内存深拷贝。Claude 随后自主完成了全部算法推演、实现与基准测试调优。Boris 对此深表共鸣,指出这种模式在 AI 实验室内部被称为“爬山法(Hill Climbing)”:“This is this idea that like if you give the model some sort of metric and then you give it a way to verify its result, you can just make it iterate and keep going and keep going until it hits that metric.” Boris 强调 Claude 3.7 尤其擅长在拥有明确目标指标、改写手段与测量反馈的闭环下,持续自动迭代直至达标;在此期间,一个 PR 内即使累积了近百条代码审查意见,模型也能不知疲倦地全盘修完,而人类工程师仅需投入大约 10% 的精力并行处理其他五项任务。

- **近期交付的重量级底层特性**:在仅投入少量精力甚至并行工作的状态下,两周内连续完成了 HTTP/3 服务端、HTTP/2 服务端与客户端 fetch 支持,以及内置高性能图像处理引擎。 - **爬山法(Hill Climbing)闭环条件**:提供可量化的性能指标、代码自修改环境以及自动化验证与评测机制,模型即可在自动模式下循环演进直到突破基准线(如击败 Sharp 图像库)。 - **自动化审查处理容量**:面对包含约 100 条建议的大型复杂 PR,模型能够全量自主跟进修正,彻底解放核心开发者的精力和注意力。

[21:40](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1300s) 终端极致体验:自动授权模式与防闪烁渲染架构

回到当前的实操演示,Jarred 检查着后台几个正在并发执行的 Claude 会话。谈到本地开发环境的配置细节,Jarred 证实自己几乎全天候在 CLI 中使用 `auto` 自动授权模式。在引入此功能前,他常常直接开启带有危险标志的跳过权限标志,引得 Boris 发出一阵笑声并半开玩笑地提醒官方可不推荐随意跳过,以防意外删除重要资产。Jarred 直言,守在屏幕前等待一条条手动点击确认(approve)极其乏味,一旦切换去干别的事,任务就会卡死在那里,因此官方推出的安全受控自动模式真正解脱了工作流。

Boris 随即注意到 Jarred 终端底部的输入框固定在最下方,发现他开启了“防闪烁模式(No Flicker Mode)”。Jarred 对此赞不绝口,认为这项优化应该直接设为默认功能,现在的终端在高速滚动时彻底告别了令人眼花缭乱的闪烁。Boris 揭秘道,这套技术最初是作为愚人节项目发布的(通过环境变量 `CLAUDE_CODE_NO_FLICKER=1 claude` 启动),虽然看起来像个节日彩蛋,但团队实际上彻底重写了 CLI 运行时的渲染引擎。Boris 解释道:“We totally rewrote the renderer that's running in the CLI. So, it's using virtualized scrolling, virtualized selection. And so what this means is like constant memory usage, constant CPU usage, and also some nice stuff like uh like if Jared types, he can actually like click around the composer.” 这套虚拟化架构不仅保障了终端对内存和 CPU 的恒定占用,更颠覆性地支持了鼠标光标在终端输入框内的直接点击定位与文本选择交互。

[23:59](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1439s) 并发自治管道:25 分钟生成多个生产级 PR

会话持续推进,Jarred 展示了自己命令 Claude Code 在后台监控 PR 运行状态的技巧。终端显示 Claude 跑完一轮指令后,进入了计划好的 20 分钟休眠等待,随后会自动唤醒再次拉取最新状态,尽管 Jarred 笑着吐槽 20 分钟对于当前的敏捷节奏来说睡得稍微久了一点。不仅如此,后台运行的会话在梳理代码时,甚至顺手自主修复了一个预期之外的额外 Bug。

在两人的对谈与多任务并行操作间,短短 20 至 25 分钟的时间里,系统已经成功生成了 3 个完整的代码拉取请求(PR),第 4 个 PR 也在测试套件通过后呼之欲出。而与此同时,部署在仓库上游的 RoboBun 依然在后台 7x24 小时不知疲倦地持续运转,每当 GitHub 上有外部用户提交新的 Issue,它便会自动拉起全新容器尝试复现错误、提炼最小用例并提交修复方案。这套近乎完全自主闭环的生产线,彻底颠覆了以往开源基础软件必须由少数核心维护者逐行排查的传统协作格局。

[25:08](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1508s) 软件工程瓶颈的转移:从写代码到规划与“工程品味”

Boris Cherny 和 Jarred Sumner 展开了一场深入探讨:每当一个工程瓶颈被自动化攻克,下一个瓶颈就会立刻浮出水面。最初,写代码本身是最大瓶颈,如今已不再是;接着,代码验证与运行测试成为了瓶颈,现在也基本被工具解决;而眼下正在面对的,则是更深层次的代码验证。Jarred 认为,在这层验证被解决之后,接下来的核心瓶颈将是规划(Planning)——即团队究竟该做什么、不该做什么,以及解决问题的正确路径是什么。Jarred 指出,理想情况下 Claude 应该足够聪明,或者人类给予它足够的信任,让它能够自主合并 Pull Request(PR)。虽然对某些项目而言完全自动合并已经行得通,但就 Bun 的复杂度和敏感度而言目前还达不到这种信任水平,不过他非常希望未来能有工具链让他们建立足够的信心。

```mermaid flowchart LR accTitle: 软件工程瓶颈演进路径 accDescr: 展示软件开发瓶颈从最初的编写代码依次转移到高阶规划与决策的演化链条

A["编写代码<br/>(已解决)"] --> B["测试与验证<br/>(已基本解决)"] B --> C["深层验证<br/>(当前瓶颈)"] C --> D["规划与决策<br/>(做什么 / 不做什么)"] D --> E["自主合并 PR<br/>(终极愿景)"] ```

两人随即聊到了自动化工具在需求层面的边界。Boris 提到,目前团队内部的自动化机器人(Robo)通常不直接接手构建新功能(Feature Requests)。Jarred 补充道,虽然它不自动去 GitHub Issue 里挑功能做,但内部在 Discord 或 Slack 里 @ 它时,它也会尝试去实现功能。甚至有多次用户在 Twitter 上艾特 Jarred 反馈“能否修一下这个 bug”或提到 Bun 缺少某个特性,Jarred 就会在后台 @ 机器人,大约一小时后 PR 就跑出来了,他再直接把 PR 链接贴回推特回复对方。不过,Jarred 坚决反对让它无差评地去实现 GitHub Issue 中任何人提出的所有功能请求,因为工程中存在着无法替代的“品味”(Taste)。比如在 Bun 核心内置图像处理库这种看似有些疯狂的决策,正是由开发者的直觉与品味所驱动的,目前还不确定 Claude 是否也具备判断这类决策合理性的工程品味。

- **瓶颈转移链条**:编写代码 $\rightarrow$ 运行测试与基础验证 $\rightarrow$ 深层逻辑验证 $\rightarrow$ 顶层规划与决策(做与不做的判断)。 - **Twitter 与聊天协作工作流**:在推特收到 bug 反馈或功能建议时,在内部聊天软件中 @ 机器人,一小时左右自动生成 PR,随后直接把 PR 链接作为推文回复。 - **关于工程品味与克制**:Jarred Sumner 强调:“so like it can do feature requests, but I'm I'm hesitant for it to implement literally everything anybody asked for in a GitHub issue cuz that's kind of a lot cuz in some ways it's it's kind of crazy to put something like an image processing library inside a bun, but like we talk about engineering taste and there's like an element of taste that goes into that.”(所以说它确实能做功能需求,但我很犹豫要不要让它去实现 GitHub Issue 里面所有人提的所有东西,因为那实在太多了;而且某种程度上把图像处理库塞进 Bun 这种做法挺疯狂的,但就像我们讨论的工程品味一样,里面是有品味成分在的。)

---

[27:38](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1658s) PR 属性的转变与团队信任机制的重构

Jarred Sumner 提出了一个敏锐的观察:随着 AI 生成代码的普及,Pull Request 正在从“沉没劳动的交付物”降级为“低成本的建议”(PRs become suggestions)。过去,面对人类同事提交的 PR,如果不予以合并,审查者往往会感到内疚,因为对方为此付出了大量时间与心力;而当 PR 是由 Claude 生成时,审查者没有任何心理包袱——如果实现不理想或根本不符合架构目标,可以直接关掉不合。这种心理层面的解脱带来了一个有趣的悖论:因为不再害怕伤害谁的感情,合并到主干的代码门槛反而被显著拔高了(“should it be there”)。

Boris Cherny 对此深表赞同,认为瓶颈转移的同时,团队协作的动态机制也在悄然改变。以往软件工程的信任建立在人与人之间——相信队友的技术能力与判断力;而现在的信任逐渐转向了自动化系统本身——团队是否构建了正确的自动化流程?作为一个群体,大家能否真正信任这些自动化系统的产出?

- **PR 的心理学变化**:人类撰写的 PR 带有情感与劳动付出,不合并会令人感到歉疚;AI 撰写的 PR 只是纯粹的建议方案,拒绝毫无心理负担。 - **合并门槛的反向提高**:Jarred Sumner 解释道:“with people you want you don't want people to feel bad about their like lost work. Um, so sort of in some ways it does actually end up raising the bar for what you decide to merge.”(面对人类时,你不想让人因为白费功夫而难受。所以从某些角度来说,这最终反而拔高了你决定合并代码的门槛。) - **信任范式的转移**:从“团队成员间的人际信任”转向“对自动化体系和测试工具链的系统性信任”。

---

[28:45](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1725s) Auto Mode 实战收官:单条 Prompt 跑出长达 30 分钟的第四个 PR

直播进入倒计时,两人检查了终端后台任务的最终进展。此时 Claude Code 正在全自动处理第四个 PR,并在后台不断来回迭代:发现 bug、修复 bug,最后成功准备推送并提交 PR。看到自动化平稳跑完,Jarred 兴奋地感叹 Auto Mode(自动模式)带来的革命性体验。在 Auto Mode 推出之前,由于系统总会在各种细微的权限确认请求(Permission Requests)上挂起、卡死,让 AI 长时间自主运行几乎无法实现;而现在,他几乎每天晚上睡觉前都会在后台挂上好几个 Claude 实例并发运行数小时。

在本次直播演示中,整个完整的修复流程仅仅始于最初给出的单条 Prompt,在没有任何人工干预的情况下整整自主运行了 30 分钟。最终生成的 PR 精确修复了一个长期悬而未决的 Bun 老 Issue,该 Issue 在 GitHub 上拥有高达 20 个赞(Upvotes),社区关注度非常高。Boris 总结道,现场展示的正是工程开发的未来图景;走在最前沿的团队必须率先在实践中把新范式跑通,尽管目前大家尚未掌握所有答案,但团队现在处于持续试错、不断定位并攻克下一个瓶颈的良性循环中。伴随着全场观众的掌声,这场兼具硬核编码与前瞻思考的直播圆满结束。

- **Auto Mode 的核心突破**:彻底解决了此前因等待权限确认而频繁中断执行的痛点,实现了单指令下长达数小时的无值守自主运行。 - **直播战果**:仅凭最初输入的一条提示词,系统连续自主运行 30 分钟,连贯输出 4 个 PR,其中最后一个 PR 解决了社区获得 20 个点赞的长期未决悬案。 - **关于工程探索的总结**:Boris Cherny 动情地表示:“Um, but to me, this is just like such a cool vision of where engineering is going, I think, for everyone in this room. And, you know, we're going to see this first. we're going to have to figure it out first and then everyone else is going to have to figure this out.”(但对我来说,这展示了在座各位未来工程开发走向的极佳愿景。我们是最先见证这一切的人,我们必须首先把它摸索清楚,然后其他人也会跟着摸索出来。)

## Notable quotes > [15:40](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=940s) Now really the bottleneck is like do I feel good about merging this? Am I confident that its changes are correct? And that's new because it used to be like the code wasn't good enough. — Jarred Sumner

> [18:27](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1107s) This is this idea that like if you give the model some sort of metric and then you give it a way to verify its result, you can just make it iterate and keep going and keep going until it hits that metric. — Boris Cherny

## Mentioned Boris Cherny, Jarred Sumner, Claude, Claude Code, Claude Code Review, Anthropic, Bun, RoboBun, Code Rabbit, GitHub, Zig, Rust, Sharp, JavaScriptCore, Node.js, Discord, Slack, Twitter, Opus 4.7, Claude 3.7

## Video description Ever wonder how the Claude Code team uses Claude Code themselves? Watch Boris Cherney, Head of Claude Code, and Jarred Sumner, creator of Bun, livestream their everyday workflows together.

[Source](https://www.youtube.com/watch?v=DlTCu_pNDHE)

中文简报

Anthropic Claude Code 团队通过多智能体循环实现软件开发自动化 AI 辅助软件工程的瓶颈已从编写代码转变为人类的工程品味与验证,这使得自主多智能体流水线成为提升开发速度的主要驱动力。 在这场直播分享中,Claude Code 负责人 Boris Cherny 与 Bun 创始人 Jarred Sumner 演示了他们如何利用自主 AI 智能体来管理、重现并修复 Bun 仓库中活跃的 GitHub issue。他们介绍了由 Claude 驱动的机器人“RoboBun”,该机器人能够自动重现 Bug、执行验证循环,并提交附带测试的 Pull Request。讨论内容涵盖了多智能体对抗性代码审查的机制、精心维护的 `CLAUDE.md` 文件对复合工程的关键作用,以及夜间扩展至数百个智能体如何将开发瓶颈从编写代码转移到工程品味和更高层级的验证。最终,他们通过在演讲过程中成功推送四个自动化 PR,展示了“自动模式”的迅猛发展。 Bun 代码库引入了由 Claude 驱动的自动化机器人 RoboBun,能够自动复现每一个 GitHub issue 并提交附带强制测试的 PR;在过去三个月中,它在主分支上的代码贡献量已超越其创始人 Jarred Sumner。 (2:08) 团队构建了结合 Code Rabbit 与 Claude 的“对抗性代码审查”回路,前者专精于代码风格与 CLAUDE.md 规范,后者深挖复杂架构边缘案例,大幅消除了开发者频繁切换上下文的成本。 (4:10) 维护详尽的 CLAUDE.md 文件成为多 Agent 工程化的核心基石,配合健全的自我验证闭环,支撑起开发者每晚自主并行运行数百个 Agent 的高扩展工作流。 (8:03) 完全自动化部署的瓶颈已从代码生成质量转向验证速度、正确性证明与回滚机制;此外,Claude Code 已展现出“爬山式”自主迭代能力,能通过研读系统底层代码持续优化库性能直至超越基准。 (14:25)

精炼阅读摘要

Anthropic 的 Boris Cherny 与 Bun 创始人 Jarred Sumner 通过现场演示阐述了如何利用 Claude Code 与多 Agent 自动化流水线维护复杂开源代码库,指出当前软件工程的瓶颈正从代码编写转向深层验证与工程品味判断。 RoboBun 自动化 Bug 复现与严格验证闭环 (2:08) Sumner 介绍,Bun 仓库利用基于 Claude 的自动化机器人 RoboBun 处理 GitHub 上的每项 issue,由其在人类介入前自动尝试复现漏洞并提交拉取请求(PR)。为确保修改的可靠性,该流程设置了硬性验证卡点:提交的 PR 必须附带自动化测试,且测试必须在旧版本上失败、在包含修复的新调试分支上通过。在最近三个月中,RoboBun 在主分支的贡献量已超过 Sumner 本人,这使得开发者的主要精力从排查与编写代码转变为审查修复方案是否达标。Cherny 补充说明,Bun 作为系统级 CLI 工具,无需依赖浏览器即可完成测试,在闭环验证中具备天然适配优势。 多 Agent 对抗式审查与 CLAUDE.md 复合工程 (4:10) 在代码审查环节,Bun 团队部署了针对不同职责的 Agent 协同机制。专门检查格式规范与项目配置的 Code Rabbit 与专注于深层逻辑的 Claude Code Review 在 PR 评论区相互交互,有时甚至能就单次提交自动往复讨论 30 余轮。Sumner 评估指出,Claude 的代码审查错误率仅约 10%,显著优于早期审查工具,能有效发现跨越局部 diff 的控制流边界漏洞。为支撑多 Agent 高效自治,团队在 CLAUDE.md 中详尽规范了构建命令、目录依赖结构、测试放置原则及构建日志诊断顺序。Sumner 将经验总结为“凡需重复叮嘱之事皆应写入文档”;Cherny 则将这种根据模型失误持续沉淀规则的迭代过程称作“复合工程”。 夜间规模化并发与指标导向的“爬山法”优化 (14:25) 随着以 Claude 3.5 Sonnet 为代表的推理能力成熟,Cherny 与 Sumner 目前均在夜间并发运行数百个 Agent 自主处理开发任务。Sumner 展示了如何利用 AI 推进大规模工程,包括新增 HTTP/2 与 HTTP/3 服务端、图像处理库集成以及针对 Rust 的系统级重写。在图像库开发中,Sumner 为 Claude 设定了在 Linux 基准测试中超越 sharp 性能的目标,并指导模型查阅 JavaScriptCore 源码以避免冗余的类型数组克隆,最终成功完成了性能优化。Cherny 指出,这种向模型提供明确量化指标与闭环验证环境、使其自主迭代直至达标的模式在 AI 实验室被称为“爬山法”(hill climbing),是当前极具潜力但尚未被充分利用的工作范式。 人情负担消退与工程品味成为核心瓶颈 (25:01) 在结合 CLI 的“自动模式”(auto mode)后,开发者只需投入约 10% 的宏观注意力,即可让模型在后台自主运行数十分钟至数小时并完成复杂的多步修复。更重要的是,代码生成门槛的降低打破了开源维护中的社交心理障碍:面对 AI 提交的不当 PR,维护者不会产生否定人类劳动的负疚感,可以毫无压力地直接关闭,这一转变反而反常地拔高了进入主分支的质量门槛。Sumner 认为,当前阻碍完全脱离人工干预、自动部署端到端修复的障碍已不再是代码生成质量,而是深层验证耗时、正确性证明的严密性以及回滚机制的健全程度,在更高层次上决定系统架构方向的“工程品味”目前依然依赖人类专家。 该演讲展示了自动化 Agent 与系统级代码库闭环验证结合所带来的生产力跃进,但发言者也坦承,在缺少绝对完备的自动化深层验证机制与自动化回滚保障的前提下,让 AI 自主决策并合入部署仍不成熟,人类的架构决策与工程品味在短期内依然不可替代。

Detailed notes — zh

## Background 该视频由 Claude 官方频道于 2026 年 5 月 6 日在 YouTube 平台发布。视频记录了 Anthropic 的 Claude Code 负责人 Boris Cherny 与 Bun 创造者 Jarred Sumner 的联合现场编码分享,深入展示了他们如何在日常高强度软件工程中实际应用 Claude Code。 ## TL;DR Jarred Sumner 现场展示了 Bun 深度定制的全自动化 Issue 修复流水线“RoboBun”,该系统可在无人工干预下自动复现 Bug、编写严格的双向测试并提交 PR,近三个月贡献量已稳居仓库榜首。团队还引入了 Code Rabbit 与 Claude Code Review 组成的双 Agent 对抗式审查,并配合针对构建约束沉淀的 CLAUDE.md 与“爬山法”实现自闭环性能调优。在 30 分钟的直播期间,后台通过 Auto Mode 单指令自主并发生成了 4 个高质量 PR;两人进一步探讨了工程瓶颈的演变:随着写代码不再是卡点,开发重心已全面转向深层验证信心、架构规划以及不可替代的“工程品味”。 ## Atmosphere & style 整场演示散发着极其纯粹硬核的极客气质与现场临场感,Jarred 一边在台上谈笑风生,一边在后台挂着多个终端并发修真实的线上 Bug。Boris 与 Jarred 的互动自然松弛且棋逢对手,充斥着一线构建者心照不宣的技术幽默(如调侃 Zig 饱和截断与跳过权限的野路子操作)。看着终端后台在 20 多分钟内无缝输出多个通过测试的生产级 PR,整个过程给观众带来一种未来已至的冲击感与工程范式颠覆感。 ## Bulletin - [02:08](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=128s) Bun 团队构建的自动化机器人 RoboBun 在最近三个月的 main 分支代码贡献量上已正式超越创始人 Jarred Sumner,位列仓库第一。 - [02:08](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=128s) RoboBun 执行严格的双向验证机制:自动编写的测试用例在旧版上必须失败、在修复分支上必须通过,方可提交 PR 并触发 Code Rabbit 与 Claude Code Review 的对抗式审查。 - [15:40](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=940s) 软件工程瓶颈已从过去的“写代码”和“基础测试”,转移到“深层逻辑验证”、“CI 耗时与合入信心”,以及高阶的“规划与工程品味(Taste)”。 - [28:45](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1725s) Claude Code 的 Auto Mode 彻底解决了权限确认导致的会话挂起痛点;现场演示单条 Prompt 无人值守自主运行 30 分钟,连续输出 4 个高质量生产级 PR。 ## Key takeaways - [01:02](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=62s) Bun 建立了端到端自主 Issue-to-PR 流水线,针对新提交的 GitHub Issue 自动拉取环境、编写复现用例、修复代码并提交合并请求。 - [02:08](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=128s) 硬性双向测试约束确保代码质量:测试用例在发布版必须失败、在 Debug 修复分支必须通过,未经严格验证的改动绝不允许建 PR。 - [04:16](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=256s) Code Rabbit 与 Claude Code Review 构成对抗式多 Agent 审查闭环,前者把关代码风格与规范,后者深入追踪控制流和边缘边界情况,动辄交互多达数十轮。 - [08:03](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=483s) 复合工程(Compound Engineering)理念:通过维护根目录的 CLAUDE.md,把每一次模型犯错转化为永久性的指令与构建规范沉淀下来。 - [11:01](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=661s) 大模型能力跃迁让“百 Agent 并发”设想成真,告别了初期依赖 Docker 和重型脚手架拼凑的状态,如今高阶模型能自主闭环交付生产代码。 - [13:10](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=790s) Claude Code Review 的信噪比显著优于传统代码审查工具,误报率仅约 10%,擅长跨越 Diff 追踪改动之外的全局控制流路径。 - [15:40](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=940s) 生产力瓶颈发生根本性转移:代码生成质量已越过可用门槛,当前核心卡点在于 CI 运行速度以及审查者是否对合入变更具备充分信心。 - [18:27](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1107s) “爬山法(Hill Climbing)”模式验证了自主极限调优潜力:给予量化指标(如超越 Sharp 库)与反馈闭环,模型可不知疲倦地持续重构并击败基准线。 - [21:40](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1300s) CLI 防闪烁模式(No Flicker Mode)重写了终端渲染引擎,采用虚拟化滚动与选择架构,在维持恒定 CPU 和内存占用的同时支持鼠标点击交互。 - [25:08](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1508s) 工程最终极的瓶颈在于顶层规划与决策:AI 能高效解决已知 Bug,但决定项目“做什么与不做什么”仍极度依赖人类不可替代的工程品味。 - [27:38](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1658s) PR 属性由“人类沉没劳动的结晶”降级为“低成本的修改建议”,拒绝 AI 提交的代码毫无情感负担,反向抬高了合入主干的代码质量门槛。 - [27:38](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1658s) 团队协作信任机制重构:传统软件工程依赖人际信任,而 AI 时代工程师的信任转向对自动化系统本身与测试闭环的有效性。 - [28:45](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1725s) Auto Mode 实现了单条 Prompt 下长达数十分钟至数小时的完全无值守运行,极大降低了上下文切换与人工等待确认的阻力。 ## Detailed walkthrough ### [01:02](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=62s) 开场与 Bun 的高级 Claude Code 工作流 Anthropic 的 Claude Code 负责人 Boris Cherny 与 Bun 的创造者 Jarred Sumner 共同登台。这场分享面向现场的开发者群体,抛弃了单纯的理论宣讲,直接进入现场编码与架构演示。Jarred Sumner 首先开门见山地指出,Bun 在构建和维护运行时环境时深度依赖 Claude Code,而且他们所建立的自动化流水线比目前行业中常见的做法更加超前和深入。 在正式讲解技术架构前,Jarred 在台上一边演讲一边顺手调起多个 Agent 去后台自动修复真实的 GitHub Issue,Boris 笑着调侃这是“典型的 Jarred 行为,在演讲期间直接写代码干活”。 ```mermaid flowchart TD accTitle: Bun Automated Issue-to-PR Workflow accDescr: GitHub issue triggers RoboBun to reproduce, test, fix, and review via automated bots before human merge. subgraph IssueReproduce["问题复现阶段"] A["GitHub 新提交 Issue"] --> B["RoboBun 机器人"] B --> C["自动编写复现测试用例"] end subgraph Verification["严格验证闭环"] C --> D{"双向验证"} D -->|"旧版 Bun"| E["必须失败 (Fail)"] D -->|"修复分支"| F["必须通过 (Pass)"] end subgraph ReviewLoop["自动化代码审查闭环"] F --> G["提交 Pull Request"] G --> H["Code Rabbit (风格规范检查)"] G --> I["Claude Code Review (深度边界与逻辑)"] H <-->|"多轮对抗式互评与修复"| I I --> J["自动标记为 Resolved"] end J --> K["人类工程师最终审核与合并"] ``` --- ### [02:08](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=128s) RoboBun:自动复现、强制测试与贡献超越人类 Jarred 深入展示了 Bun 仓库中针对 Issue 的全自动处理逻辑。在 Bun 的代码库中,只要有开发者提交了一个新的 Issue(例如展示中的关于副作用的最新问题),名为“RoboBun”的 Bot 就会立即启动并尝试复现该 Bug。一旦成功复现,Bot 就会自动生成代码修复并提交 Pull Request。 整个流程中最核心的约束是**严苛的测试验证机制**。RoboBun 绝不允许提交未经测试的 PR。Jarred 解释了他们的核心校验逻辑: - 测试用例在旧版本(发布版)的 Bun 上必须运行失败; - 同样的测试用例在包含了当前修复代码的 Debug 分支上必须运行通过。 只有同时满足这两个硬性条件,Bot 才有权限向仓库提交 PR。Boris 向 Jarred 确认道:“所以这意味着,在任何人去查看之前,Bun Issue 追踪器上的每一个 Issue 都会由 RoboBun 自动尝试复现一遍?”Jarred 证实了这一点,并指出这彻底改变了团队的工作重心:“这极大节省了时间,因为我们有海量的未关闭 Issue。它真正将核心挑战从‘排查和调试问题’转变成‘这是不是那个值得合并的正确方案?它的修复程度如何,是解决了 100% 还是只解决了 10%?’” Jarred 打开了 GitHub 的仓库洞察(Insights)页面,查看最近三个月面向 `main` 分支的贡献者统计,数据令人震惊:RoboBun 如今在 Bun 代码库的贡献量上已经超越了 Jarred Sumner 本人,稳居第一。Jarred 笑着补充说,这还是在团队非常克制、并没有合并它提交的所有 PR 的情况下达成的。 --- ### [04:16](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=256s) 对抗式代码审查:Code Rabbit 与 Claude Code 的双 Agent 互评 除了由 Bot 生成 PR,Bun 还构建了自动化的 Agent 间代码审查机制。在生成的 PR 中,不同的审阅机器人会与 RoboBun 展开长达数十轮的实时“拉锯战”。现场展示的一个 PR 中,评论往复多达 30 条:Code Rabbit 提出关于代码格式或未遵循规范的意见,RoboBun 随即作出修改并回帖,Code Rabbit 确认修复后自动将对话标记为解决(Resolved)。 Boris 将这种机制总结为多种 Agent 的协同组合,Jarred 详细拆解了两者的分工: - **Code Rabbit**:负责捕捉代码风格问题、语法细节,以及是否严格遵守了仓库规范文档(如 `CLAUDE.md`)。 - **Claude Code Review**:负责深层逻辑和边缘场景分析。Jarred 评价道:“Claude Code Review 特别擅长找出那些极其微妙的极端边界情况(Edge Cases),那种通常需要我自己通读所有代码、掌握完整上下文并花上 30 分钟才能理清的问题。” Jarred 强调,如果没有这种带反馈回路的自动化审查与实时自动修复,大规模使用 Agent 就会变得难以落地。过去合并 PR 最痛苦、耗时最久的地方往往在于工程师要把分支拉到本地、手动修复一个 linter 报错、本地跑静态检查再推回远程,上下文切换成本高得惊人。而由 Agent 负责自动跑通代码、修复 lint 并推回分支,彻底清除了这些开发阻力。 Boris 和 Jarred 深入讨论了 Bun 代码库的特质对该模式的加持作用:Bun 是一门纯系统级代码(Systems Code),且作为一个 CLI 命令行工具,它不依赖浏览器渲染,复现环境非常纯粹,可以通过在特定硬件架构上执行测试闭环来确定性地验证一切。Jarred 同时指出,该模式完全具备向通用业务代码推广的潜力:对于非开源的公司或产品,Issue 的触发点可以换成**客户支持工单(Customer Support Tickets)**,直接由 Agent 尝试复现客户报修的问题、编写测试并提 PR,从而释放整个团队的生产力。Boris 提议为这种 Agent 彼此互相提需求、修代码的流程取个名字,例如“对抗式代码审查(Adversarial Code Review)”。 --- ### [08:03](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=483s) 上下文工程与复合工程(Compound Engineering) 为了让数以百计的 Agent 高效运转而不乱写代码,必须依赖极其扎实的工程基础设施。Jarred 坦言,如果只是直接把 Agent 接入代码库而不做环境预设,它一定会失败。 在这套体系中,核心基石是代码仓库内的 `CLAUDE.md`。针对 Bun 需要编译才能运行的特性,`CLAUDE.md` 强制规定了一套专门的构建命令,该命令不仅完成编译,还会自动转发参数直接运行产物,防止 Agent 错误地引用了陈旧过期的 Debug 构建。此外,文档内巨细靡遗地规定了: - 如何编写和放置测试用例; - 如何正确运行测试; - 打印错误信息时的顺序技巧(例如要求测试必须在抛出无用条件前先打印具体的失败原因,以保证上下文窗口最先截获关键报错); - 核心目录划分架构与依赖关系。 针对这一维护策略,Boris 总结道:“这就像是你让 Claude 写了个测试,结果测试写得很糟或者某处跑不通;只要你看到这种情况重复出现了一两次,你就直接告诉 Claude:把它写进 `CLAUDE.md` 里面去,这样以后每次写测试时它第一次就能做对。”Jarred 赞同并将其定性为**复合工程(Compound Engineering)**:每一次遇到的阻碍都会沉淀为永久性的模型指令。 此外,Agent 必须具备自主接入 CI 环境的能力,能够直接读取构建日志、监控 CI 报错并自发修正,直到所有流水线全部变绿。Jarred 强调了自动化的终极标准:“理想的状态是,当你阅读代码时,你拥有非常明确的信号,能够以极高的信心直接合并它;而要做到这一点的唯一前提,就是整个系统从一开始就为它的成功做好了环境搭建。” --- ### [11:01](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=661s) 从百个 Agent 假说到 Opus 4.7:自动化时代的跃迁 Boris 回忆起两人初次见面时的交谈:“我记得我们刚认识的时候,你就在谈论你的设想:未来每个人都能在后台并行运行上百个 Agent。我当时觉得我并没有真正理解它。但现在,我自己每天晚上也都在跑几百个 Agent,我觉得我终于体会到了。这是你深思熟虑了很久的方向。” Jarred 分享了这一构想在 Bun 代码库中的技术演进: 1. **初期阶段**:团队仅使用一个简单的 Discord Bot,通过 `@` 艾特机器人在后台起一个 Docker 容器,完全不具备 CI 联动和双向 Review 闭环能力; 2. **当下阶段**:配合高阶模型(如现场提及的 Opus 4.7),闭环推理能力发生了质的飞跃。过去需要搭建极其复杂的脚手架(Scaffolding)、耗费巨大 Token 吞吐才能勉强拼凑的逻辑,现在模型能以极高的效率直接在日常开发中稳定交付。 在演示现场,Boris 邀请台下观众举手表决:现场大约有一半的开发者仍然停留在“开很多个终端窗口或桌面标签页,人肉复制 Issue 粘贴给模型”的操作范式;而像 RoboBun 这样通过闭环直接拉升抽象维度的开发者仍属少数。此时后台系统传来了提示:刚刚在台上启动的修复流水线已经完成了任务,连续提交了两个包含了完备测试用例的全新 PR。 - **核心数据与事实总结**: - RoboBun 提交的所有 PR 均受硬性条件拦截:测试在主线版本必挂、在修复分支必过。 - 近三个月面向 `main` 分支的代码提交量中,RoboBun 的贡献排名已正式超越创造者 Jarred Sumner。 - 自动化审核流程中,Code Rabbit 与 Claude Code Review 曾对单个 PR 展开超过 30 轮自动化修正与回复交互。 - 现场演示仅过去数分钟,后台两个针对最新真实 Issue 的 Bugfix PR 已经完成自动化生成与自测。 ### [13:10](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=790s) 审查 Zig 代码改动与 Claude Code Review 的控制流追踪 Boris Cherny 和 Jarred Sumner 一起查看由 Claude 生成的代码差异。改动中包含清晰的前后对比展示,Boris 好奇这是显式提示词触发的还是模型自发行为,Jarred 解释说模型在处理字符串格式化等逻辑时非常擅长判断何时应该提供对比,而且改动很好地保留了 Bun 风格的标签,没有混入 Node.js 稍有不同的写法。在检查具体实现时,Jarred 指出代码按数据块(chunks)批量写入而非逐字节操作,这是正确的优化方向;但他对其中使用饱和截断(saturation)的做法持保留意见,认为此处本不应该需要这样处理,并半开玩笑地询问在场是否有人真正精通 Zig 语言。代码整体严格遵循了 `CLAUDE.md` 规范,比如采用 `await using` 以及并发 resolve 所有 Promise 的模式。 在谈到看到此类改动后的工作流时,Boris 询问 Jarred 是直接介入评论还是等待代码审查工具的反馈。Jarred 表示具体取决于复杂度,对于眼前这个改动较小、测试通过即可放心合并的 PR,他依然会倾向于等待 Claude Code Review 机器人运行完毕。Jarred 解释道:“What I really like about that is it will find things that like from from that aren't in the diff that are like from tracing the control flow.” 传统的人工代码审查正是需要一个拥有全局上下文的资深工程师,去追踪代码改动之外的执行路径并推演所有边缘用例,而当前的自动化工具在信噪比上表现优异,仅有大约 10% 的误报率;相比之下,过去他们尝试过的其他代码审查产品充斥着杂音,基本只能全部忽略。 ### [15:40](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=940s) 生产力瓶颈的转移:从“代码能不能写”到“如何快速验证正确性” 随着管道中提交量的激增,Boris 询问像 RoboBun 这种自动复现 Bug、自动提 PR 修复的闭环全自动流程究竟从何时开始真正变得切实可行。Jarred 查看提交记录图表,指出近期的代码提交体量呈现出爆炸式增长。这使得整个开发流程的核心矛盾发生了根本性转变:过去团队受限于模型输出的代码质量不够高,而如今的代码水平已经跨过了可用门槛,新的瓶颈完全变成了审查者是否有信心直接点击合并按钮。 面对 Boris 提出“还需要何种工具或模型能力才能让 RoboBun 真正彻底闭环”的提问,Jarred 深入剖析了验证与回滚成本之间的博弈。Jarred 指出:“Now really the bottleneck is like do I feel good about merging this? Am I confident that its changes are correct? And that's new because it used to be like the code wasn't good enough.” 无论对于人类提的 PR 还是 AI 自动提交,验证变更正确性都需要耗费大量时间。解决这一问题的方向无外乎两点:一是工具需要给出足够充分的证明来展示改动确实无误;二是建立起极低成本的自动回滚机制。对于大量简单的日常缺陷,团队本应更频繁地点击合并,目前的真实卡点其实是持续集成(CI)系统的执行速度以及全面运行整套庞大测试套件所需的时间。 ```mermaid flowchart TD accTitle: AI自主修复从生成到合入的流程与瓶颈演变 accDescr: 展示了从Issue输入到最终合入的各个阶段,并标注过去与当前的瓶颈所在。 subgraph InputStage["输入与复现"] A["GitHub 收到用户 Issue"] --> B["RoboBun 自动分析与复现"] end subgraph GenerationStage["代码编写与优化"] B --> C["Claude 编写补丁与测试用例"] C --> D["遵循 CLAUDE.md 风格约定"] end subgraph ReviewStage["新旧瓶颈分水岭"] D --> E["Claude Code Review 审查控制流"] E --> F["CI 运行庞大测试套件"] end subgraph MergeStage["验证与合入"] F --> G{"变更正确性验证"} G -->|"传统瓶颈: 代码质量不足 (已攻克)"| H["打回重写"] G -->|"当前瓶颈: 验证耗时与合入信心"| I["开发者安全合入 PR"] end ``` ### [18:27](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1107s) 用“爬山法”实现高难度特性的极限调优与自主迭代 两人的讨论随后延伸到日常工程实践的深度。Boris 感慨道,模型几乎每隔一段时间就会更新,工程师必须不断重新校准对 AI 能力边界的认知,而 Jarred 利用 Claude Code 的方式甚至比负责开发 Claude Code 的 Anthropic 自身团队还要激进,几乎实现了全自动化的飞跃。Jarred 历数了 Bun 团队在过去短短两周内取得的成果:不仅实现了 HTTP/3 服务器,提出了 HTTP/2 服务器 PR,为 `fetch` 增加了 HTTP/3 和 HTTP/2 支持,内置了完整的图像处理 API,甚至还在进行一项极具野心的 Rust 重写实验。 谈及内置图像处理库的性能表现时,Jarred 分享了自己让 Claude 直接在 Linux 机器上跑 Benchmark 跑分的经历。他的指令极为简单直接——“让它比 Sharp 库更快”,随后只给了几条关键提示,比如让模型研读 JavaScriptCore 的底层源码以避免在非必要情况下对类型化数组(TypedArray)进行内存深拷贝。Claude 随后自主完成了全部算法推演、实现与基准测试调优。Boris 对此深表共鸣,指出这种模式在 AI 实验室内部被称为“爬山法(Hill Climbing)”:“This is this idea that like if you give the model some sort of metric and then you give it a way to verify its result, you can just make it iterate and keep going and keep going until it hits that metric.” Boris 强调 Claude 3.7 尤其擅长在拥有明确目标指标、改写手段与测量反馈的闭环下,持续自动迭代直至达标;在此期间,一个 PR 内即使累积了近百条代码审查意见,模型也能不知疲倦地全盘修完,而人类工程师仅需投入大约 10% 的精力并行处理其他五项任务。 - **近期交付的重量级底层特性**:在仅投入少量精力甚至并行工作的状态下,两周内连续完成了 HTTP/3 服务端、HTTP/2 服务端与客户端 fetch 支持,以及内置高性能图像处理引擎。 - **爬山法(Hill Climbing)闭环条件**:提供可量化的性能指标、代码自修改环境以及自动化验证与评测机制,模型即可在自动模式下循环演进直到突破基准线(如击败 Sharp 图像库)。 - **自动化审查处理容量**:面对包含约 100 条建议的大型复杂 PR,模型能够全量自主跟进修正,彻底解放核心开发者的精力和注意力。 ### [21:40](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1300s) 终端极致体验:自动授权模式与防闪烁渲染架构 回到当前的实操演示,Jarred 检查着后台几个正在并发执行的 Claude 会话。谈到本地开发环境的配置细节,Jarred 证实自己几乎全天候在 CLI 中使用 `auto` 自动授权模式。在引入此功能前,他常常直接开启带有危险标志的跳过权限标志,引得 Boris 发出一阵笑声并半开玩笑地提醒官方可不推荐随意跳过,以防意外删除重要资产。Jarred 直言,守在屏幕前等待一条条手动点击确认(approve)极其乏味,一旦切换去干别的事,任务就会卡死在那里,因此官方推出的安全受控自动模式真正解脱了工作流。 Boris 随即注意到 Jarred 终端底部的输入框固定在最下方,发现他开启了“防闪烁模式(No Flicker Mode)”。Jarred 对此赞不绝口,认为这项优化应该直接设为默认功能,现在的终端在高速滚动时彻底告别了令人眼花缭乱的闪烁。Boris 揭秘道,这套技术最初是作为愚人节项目发布的(通过环境变量 `CLAUDE_CODE_NO_FLICKER=1 claude` 启动),虽然看起来像个节日彩蛋,但团队实际上彻底重写了 CLI 运行时的渲染引擎。Boris 解释道:“We totally rewrote the renderer that's running in the CLI. So, it's using virtualized scrolling, virtualized selection. And so what this means is like constant memory usage, constant CPU usage, and also some nice stuff like uh like if Jared types, he can actually like click around the composer.” 这套虚拟化架构不仅保障了终端对内存和 CPU 的恒定占用,更颠覆性地支持了鼠标光标在终端输入框内的直接点击定位与文本选择交互。 ### [23:59](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1439s) 并发自治管道:25 分钟生成多个生产级 PR 会话持续推进,Jarred 展示了自己命令 Claude Code 在后台监控 PR 运行状态的技巧。终端显示 Claude 跑完一轮指令后,进入了计划好的 20 分钟休眠等待,随后会自动唤醒再次拉取最新状态,尽管 Jarred 笑着吐槽 20 分钟对于当前的敏捷节奏来说睡得稍微久了一点。不仅如此,后台运行的会话在梳理代码时,甚至顺手自主修复了一个预期之外的额外 Bug。 在两人的对谈与多任务并行操作间,短短 20 至 25 分钟的时间里,系统已经成功生成了 3 个完整的代码拉取请求(PR),第 4 个 PR 也在测试套件通过后呼之欲出。而与此同时,部署在仓库上游的 RoboBun 依然在后台 7x24 小时不知疲倦地持续运转,每当 GitHub 上有外部用户提交新的 Issue,它便会自动拉起全新容器尝试复现错误、提炼最小用例并提交修复方案。这套近乎完全自主闭环的生产线,彻底颠覆了以往开源基础软件必须由少数核心维护者逐行排查的传统协作格局。 ### [25:08](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1508s) 软件工程瓶颈的转移:从写代码到规划与“工程品味” Boris Cherny 和 Jarred Sumner 展开了一场深入探讨:每当一个工程瓶颈被自动化攻克,下一个瓶颈就会立刻浮出水面。最初,写代码本身是最大瓶颈,如今已不再是;接着,代码验证与运行测试成为了瓶颈,现在也基本被工具解决;而眼下正在面对的,则是更深层次的代码验证。Jarred 认为,在这层验证被解决之后,接下来的核心瓶颈将是规划(Planning)——即团队究竟该做什么、不该做什么,以及解决问题的正确路径是什么。Jarred 指出,理想情况下 Claude 应该足够聪明,或者人类给予它足够的信任,让它能够自主合并 Pull Request(PR)。虽然对某些项目而言完全自动合并已经行得通,但就 Bun 的复杂度和敏感度而言目前还达不到这种信任水平,不过他非常希望未来能有工具链让他们建立足够的信心。 ```mermaid flowchart LR accTitle: 软件工程瓶颈演进路径 accDescr: 展示软件开发瓶颈从最初的编写代码依次转移到高阶规划与决策的演化链条 A["编写代码<br/>(已解决)"] --> B["测试与验证<br/>(已基本解决)"] B --> C["深层验证<br/>(当前瓶颈)"] C --> D["规划与决策<br/>(做什么 / 不做什么)"] D --> E["自主合并 PR<br/>(终极愿景)"] ``` 两人随即聊到了自动化工具在需求层面的边界。Boris 提到,目前团队内部的自动化机器人(Robo)通常不直接接手构建新功能(Feature Requests)。Jarred 补充道,虽然它不自动去 GitHub Issue 里挑功能做,但内部在 Discord 或 Slack 里 @ 它时,它也会尝试去实现功能。甚至有多次用户在 Twitter 上艾特 Jarred 反馈“能否修一下这个 bug”或提到 Bun 缺少某个特性,Jarred 就会在后台 @ 机器人,大约一小时后 PR 就跑出来了,他再直接把 PR 链接贴回推特回复对方。不过,Jarred 坚决反对让它无差评地去实现 GitHub Issue 中任何人提出的所有功能请求,因为工程中存在着无法替代的“品味”(Taste)。比如在 Bun 核心内置图像处理库这种看似有些疯狂的决策,正是由开发者的直觉与品味所驱动的,目前还不确定 Claude 是否也具备判断这类决策合理性的工程品味。 - **瓶颈转移链条**:编写代码 $\rightarrow$ 运行测试与基础验证 $\rightarrow$ 深层逻辑验证 $\rightarrow$ 顶层规划与决策(做与不做的判断)。 - **Twitter 与聊天协作工作流**:在推特收到 bug 反馈或功能建议时,在内部聊天软件中 @ 机器人,一小时左右自动生成 PR,随后直接把 PR 链接作为推文回复。 - **关于工程品味与克制**:Jarred Sumner 强调:“so like it can do feature requests, but I'm I'm hesitant for it to implement literally everything anybody asked for in a GitHub issue cuz that's kind of a lot cuz in some ways it's it's kind of crazy to put something like an image processing library inside a bun, but like we talk about engineering taste and there's like an element of taste that goes into that.”(所以说它确实能做功能需求,但我很犹豫要不要让它去实现 GitHub Issue 里面所有人提的所有东西,因为那实在太多了;而且某种程度上把图像处理库塞进 Bun 这种做法挺疯狂的,但就像我们讨论的工程品味一样,里面是有品味成分在的。) --- ### [27:38](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1658s) PR 属性的转变与团队信任机制的重构 Jarred Sumner 提出了一个敏锐的观察:随着 AI 生成代码的普及,Pull Request 正在从“沉没劳动的交付物”降级为“低成本的建议”(PRs become suggestions)。过去,面对人类同事提交的 PR,如果不予以合并,审查者往往会感到内疚,因为对方为此付出了大量时间与心力;而当 PR 是由 Claude 生成时,审查者没有任何心理包袱——如果实现不理想或根本不符合架构目标,可以直接关掉不合。这种心理层面的解脱带来了一个有趣的悖论:因为不再害怕伤害谁的感情,合并到主干的代码门槛反而被显著拔高了(“should it be there”)。 Boris Cherny 对此深表赞同,认为瓶颈转移的同时,团队协作的动态机制也在悄然改变。以往软件工程的信任建立在人与人之间——相信队友的技术能力与判断力;而现在的信任逐渐转向了自动化系统本身——团队是否构建了正确的自动化流程?作为一个群体,大家能否真正信任这些自动化系统的产出? - **PR 的心理学变化**:人类撰写的 PR 带有情感与劳动付出,不合并会令人感到歉疚;AI 撰写的 PR 只是纯粹的建议方案,拒绝毫无心理负担。 - **合并门槛的反向提高**:Jarred Sumner 解释道:“with people you want you don't want people to feel bad about their like lost work. Um, so sort of in some ways it does actually end up raising the bar for what you decide to merge.”(面对人类时,你不想让人因为白费功夫而难受。所以从某些角度来说,这最终反而拔高了你决定合并代码的门槛。) - **信任范式的转移**:从“团队成员间的人际信任”转向“对自动化体系和测试工具链的系统性信任”。 --- ### [28:45](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1725s) Auto Mode 实战收官:单条 Prompt 跑出长达 30 分钟的第四个 PR 直播进入倒计时,两人检查了终端后台任务的最终进展。此时 Claude Code 正在全自动处理第四个 PR,并在后台不断来回迭代:发现 bug、修复 bug,最后成功准备推送并提交 PR。看到自动化平稳跑完,Jarred 兴奋地感叹 Auto Mode(自动模式)带来的革命性体验。在 Auto Mode 推出之前,由于系统总会在各种细微的权限确认请求(Permission Requests)上挂起、卡死,让 AI 长时间自主运行几乎无法实现;而现在,他几乎每天晚上睡觉前都会在后台挂上好几个 Claude 实例并发运行数小时。 在本次直播演示中,整个完整的修复流程仅仅始于最初给出的单条 Prompt,在没有任何人工干预的情况下整整自主运行了 30 分钟。最终生成的 PR 精确修复了一个长期悬而未决的 Bun 老 Issue,该 Issue 在 GitHub 上拥有高达 20 个赞(Upvotes),社区关注度非常高。Boris 总结道,现场展示的正是工程开发的未来图景;走在最前沿的团队必须率先在实践中把新范式跑通,尽管目前大家尚未掌握所有答案,但团队现在处于持续试错、不断定位并攻克下一个瓶颈的良性循环中。伴随着全场观众的掌声,这场兼具硬核编码与前瞻思考的直播圆满结束。 - **Auto Mode 的核心突破**:彻底解决了此前因等待权限确认而频繁中断执行的痛点,实现了单指令下长达数小时的无值守自主运行。 - **直播战果**:仅凭最初输入的一条提示词,系统连续自主运行 30 分钟,连贯输出 4 个 PR,其中最后一个 PR 解决了社区获得 20 个点赞的长期未决悬案。 - **关于工程探索的总结**:Boris Cherny 动情地表示:“Um, but to me, this is just like such a cool vision of where engineering is going, I think, for everyone in this room. And, you know, we're going to see this first. we're going to have to figure it out first and then everyone else is going to have to figure this out.”(但对我来说,这展示了在座各位未来工程开发走向的极佳愿景。我们是最先见证这一切的人,我们必须首先把它摸索清楚,然后其他人也会跟着摸索出来。) ## Notable quotes > [15:40](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=940s) Now really the bottleneck is like do I feel good about merging this? Am I confident that its changes are correct? And that's new because it used to be like the code wasn't good enough. — Jarred Sumner > [18:27](https://www.youtube.com/watch?v=DlTCu_pNDHE&t=1107s) This is this idea that like if you give the model some sort of metric and then you give it a way to verify its result, you can just make it iterate and keep going and keep going until it hits that metric. — Boris Cherny ## Mentioned Boris Cherny, Jarred Sumner, Claude, Claude Code, Claude Code Review, Anthropic, Bun, RoboBun, Code Rabbit, GitHub, Zig, Rust, Sharp, JavaScriptCore, Node.js, Discord, Slack, Twitter, Opus 4.7, Claude 3.7 ## Video description Ever wonder how the Claude Code team uses Claude Code themselves? Watch Boris Cherney, Head of Claude Code, and Jarred Sumner, creator of Bun, livestream their everyday workflows together. [Source](https://www.youtube.com/watch?v=DlTCu_pNDHE)

Source quotes

[15:40] Jarred Sumner: Now really the bottleneck is like do I feel good about merging this? Am I confident that its changes are correct? And that's new because it used to be like the code wasn't good enough. [18:27] Boris Cherny: This is this idea that like if you give the model some sort of metric and then you give it a way to verify its result, you can just make it iterate and keep going and keep going until it hits that metric.