GitHub 一個月做掉去年一整年的量：COO Kyle Daigle 拆解 AI Agent 怎麼把全世界最大的程式碼倉庫逼到極限

TL;DR

• GitHub 現在每週吞下 2.75 億次 commit，照這速度全年會破 140 億次，是去年的十四倍，而且還在加速。爆量的主力不是人類工程師，是 AI Agent。
• 這波成長正在用「全新的方式」弄壞 GitHub 十五年的老底層，最痛的地方是權限系統那台叫 MySQL 1 的老資料庫，以及 Actions 的運算量。
• Kyle 自己用 AI 的方式跟多數人相反：不是往前生成，而是「往回看」，每天讓 Agent 回顧團隊這週做了什麼、哪些有效哪些沒效。
• 「完美的萬能 skill」時代結束了，現在團隊只做一件事做到極好的「微 skill」，像樂高一樣拼。
• 開源最難解的不是技術，是信任。當八成的 PR 來自 Agent，「我憑什麼相信這段程式碼」變成一個社會問題，不是工程問題。

這集是 Latent Space，AI 工程師圈子裡那個由 swyx（Shawn Wang）主持的訪談節目，定位很清楚，就是找在 AI 第一線做產品、做基礎建設的人來把技術細節攤開講。這集在 2026 年 6 月 2 日上線，剛好搭著 Microsoft Build 大會。來賓是 Kyle Daigle，GitHub 的 COO，最近又多了一個頭銜叫 Microsoft 的 CMO of Developer。GitHub 你應該知道，全世界最大的程式碼託管平台，工程師放 code、協作、跑自動化都在上面。Kyle 在 GitHub 待了十三年，一開始就是個寫程式的工程師，webhooks、API、平台層很多東西是他親手寫的，後來一路做到管整個工程團隊，再變成營運長。一個寫過後端、又懂業務、現在還每天用 AI 寫東西的人來聊這個題目，可信度滿高的。

一個月做完去年一整年的量

先丟一個數字進來。2025 年 GitHub 全年有十億次 commit。到了 2026 年，這個數字變成每週 2.75 億次，照線性推算全年會破 140 億次。十四倍。

更狠的是 Kyle 那句話：「我們現在一個月做的，比去年一整年還多。」commit、PR，幾乎每個指標都這樣。而且推力不是人，是 Agent。AI 寫程式、AI 開 PR、AI 跑測試，每一個動作都在 GitHub 上留下痕跡。

這讓我想到排隊買票的比喻。GitHub 過去十五年蓋的系統，假設的是「水管粗細不變，只是排隊的人變多」。所以以前擴容的邏輯很單純，人多了就加伺服器，或是把單台機器升級得更強，業界叫水平擴展跟垂直擴展。但現在的狀況是,連水管本身的口徑都變了。一次 git push 以前大概是某個固定大小，現在這個假設整個破掉。PR 也是,以前一個 PR 就那麼大,現在動不動就是 Agent 一口氣丟一大包。

Kyle 講了一個我覺得很傳神的詞:他們現在卡在「對角線」。垂直不行了，因為硬體有極限;水平也不夠，因為全世界都在搶 CPU 跟 GPU。剩下的選項只有一個，把那些跑了十年十五年的老服務「撬開」，重寫。

最痛的那台老資料庫，叫 MySQL 1

如果你好奇到底是哪裡在爆，Kyle 講得很具體。

最痛的是權限系統。GitHub 很多權限判斷,到現在還塞在一台他們內部叫「MySQL 1」的老資料庫裡。老員工聽到這個名字都懂。這些年他們一直在把東西從 MySQL 1 搬出來,famously,PlanetScale 這家公司就是從 GitHub 解決資料庫分片問題的過程裡長出來的。但權限這塊特別難搬,因為它牽涉到每一個物件的每一次存取。

第二個是 Actions。Actions 是 GitHub 的雲端運算層,跑 CI、跑自動化、跑各種雜事。Agent 多了,build 就多,build 多了就要更多 CPU。所以 GitHub 現在不只靠自己的資料中心,還往 Azure 搬,加雲端運算進來,純粹是 CPU 不夠用。Kyle 還補了一句很實在的話:「Actions is the root of all evil。」它是萬惡之源,但也是核心。

第三個是 monorepo 的回潮。前幾年業界的方向是「倉庫越切越小、數量越來越多」,現在反過來,大家又開始把東西塞進一個巨大的 monorepo。大倉庫一直有獨特的效能問題,尤其裡面的檔案塊很大的時候。

關於這段我得幫 GitHub 說句公道話。Kyle 沒有甩鍋。他講完一長串技術細節後,反覆強調「This is not an excuse」,這不是藉口,我們就是得把它做好。GitHub 有一個很老的文化:「It's our uptime, it's down」,系統掛了就是我們的責任,不要跟使用者解釋一堆。這在過去是美德,但 Kyle 現在想改:既然你們都是工程師,本來就想知道發生什麼事,那我們就把技術細節寫成 blog、讓真正動手的工程師出來講。把「沉默扛住」換成「透明說明」。我蠻欣賞這個轉向的,之前在GitHub 工程師零行人寫程式碼的 Harness Engineering那篇聊過 Agent 大量產出 code 的另一面,這集等於從平台方的角度補上了「那這些 code 全部湧進來,底層撐不撐得住」的視角。

那什麼時候會修好?Kyle 給的答案算誠實:最近幾週的可用性已經比前面幾週好很多,很多底層改進正在生效。但有些東西就是物理,需要時間。他預期接下來三個月,出問題的時刻會越來越少。注意他的措辭,不是「成長停下來了」,而是「成長還是史上最快,只是底層的大改終於追上來了」。

他用 AI 的方式,是往回看不是往前衝

這集最有意思的一段,其實跟基礎建設無關,是 Kyle 怎麼用 AI。

多數人用 AI 是往前生成:幫我寫一篇文章、幫我寫段 code。Kyle 說他發現最有價值的用法是「遞迴往回看」。每天他讓 Agent 幹的事是:把這週所有的 PR 翻一遍、把線上發過的東西看一遍、把過去三個月做的事整理一遍、翻我 Obsidian 筆記裡所有提到某主題的段落、去 Teams 抓會議逐字稿、把 Slack 全部讀完,然後告訴我「這週我們的訊息到底是什麼」、哪些有效、哪些沒效,接著建議我接下來三四天怎麼微調。

他的判斷是:LLM 其實特別擅長這種「回顧」。從一堆雜亂的紀錄裡找出模式、抽出重點,然後把這個回顧套用在很短的一段時間上。對非技術的主管尤其有用,因為這件事人類做起來又慢又痛苦。

這裡有個你可能沒想到的規模問題。swyx 追問:你說「我們」,那是三千人耶,你怎麼回顧三千人的工作?Kyle 的答案是,他們刻意選了一條「沒人需要改變工作習慣」的路。不教新工具、不要求大家搬家。他們做的是:寫一套內部共用的 skill,然後把 CLI 發給所有人,連非技術的同事都有,接著讓 AI 去讀大家本來就在寫的東西,GitHub、Teams、email、Slack。在 Microsoft 365 的環境裡,他們靠一個叫 WorkIQ 的 MCP server 把這些上下文串起來。對一個散在全世界、遠距工作的團隊來說,這種「自動幫你補上你錯過的資訊」的能力,價值大到不行。

「完美萬能 skill」的時代結束了

順著 skill 這個話題,Kyle 講了一個我覺得很值得收下的觀察。

有一陣子社群每天都在喊「快下載這個 skill」,一個完美管理、能跑完整個工作流程的超級 skill。Kyle 說這個時代正在結束。他這週才跟團隊討論,結論是他們現在只做「微 skill」,每個只把一件事做到極好。不是把一堆工具縫在一起、吐出一個巨無霸報告,而是「給定任何一個 MCP server,幫我抓出最重要的行銷資訊」這種單一動作。

為什麼?因為超級 skill 維護不了。幾週幾個月過去,東西變了,你想改你那個萬能 skill,結果整個卡死,動不了。所以他們改用樂高的思路:每個積木只做一件事,至於怎麼拼,讓「說明書」這層去組合。

swyx 補了一個我很喜歡的原則,Postel's Law:輸入要寬鬆,輸出要嚴格。套在 skill 上很合理,你不用太斤斤計較丟進去的東西,只要大致涵蓋就好。

但這裡藏著一個真正難的點,Kyle 叫它「矩陣問題」。「summarize 這個動作」對工程師來說很單純,但對 Kyle 來說,幫分析師摘要、幫客戶會議摘要、幫媒體摘要,根本是三件不同的事。「摘要」這個詞對你、對我、對銷售、對分析師,意思都不一樣。而這些細微差異超級重要,它是「這看起來就是 AI 做的」跟「這完全合理,我給 Gartner 做簡報就該長這樣」之間的差別。所以解法不是一個萬能 skill,是「一個原子的、定義什麼叫好摘要的 skill」,再加上「我這個角色在乎什麼」的那層。

講到這個,Kyle 爆了一個很好笑的料。他們每年做營收規劃,本來要做一堆投影片。他乾脆用 AI 把整份簡報生出來,還特地寫了一個 skill 讓它「看起來很不像 AI 做的」。不是做得漂亮,是做得「很明顯是人類隨便做的那種不漂亮」。然後他就這樣去跟 CRO、CFO 報告,全程沒提這是 AI 生的,也從來沒被發現。他的結論很有意思:既然這樣,那這些投影片本來就沒必要花那麼多工去做,它只是個分享資訊的載體而已。

開源最難的不是技術,是「我憑什麼信你」

這集後半我覺得最有深度的,是信任問題。

當八成的 PR 不再來自其他開發者、而是來自 Agent,Kyle 點出一件事:過去這麼多 PR 流程的新提案,prompt request 也好、各種 PR 變體也好,為什麼沒有一個真正解決問題?因為它們處理的都是「驗證」,給你更多素材去判斷這個 PR 好不好。但它們解不開那個人的問題:我看著一個 PR,我想知道我能不能信任它。而我們到現在,還是在用人的訊號來判斷,Mitchell 批准了、Kyle 批准了,所以我信。

「我們本質上是在試圖把信任寫成程式碼。」這句話我覺得是整集的核心。當 Agent 寫 code、另一個 Agent review code、最後 Kyle 看一眼,信任變得很分散。這不是工程問題,是社會問題。

那 GitHub 現有的信任訊號夠嗎?Kyle 自己也不滿意。星星數、commit 數,這些都是「被動」且「可以被刷」的訊號。time to 100,000 stars 現在快到誇張,幾個月就破,但裡面有多少是真的、多少是買的、多少是機器人?GitHub 只能像打地鼠一樣,用 AI 抓刷星的帳號,抓到一個拔一個。

但 Kyle 有個更有意思的角度。他說與其 GitHub 訂一套全世界都得遵守的信任標準,不如把工具給你,讓每個專案自己定義「我在乎的信任長什麼樣」。比方說你可以設規則:這個人必須在我的專案有被接受的 PR、綁了社群帳號、帳號超過一定年紀。因為每個開源維護者腦袋裡本來就有這套啟發法,只是沒寫下來。問題是任何單一標準都會被攻破,你要求帳號夠老,攻擊者就提早大量養帳號;你要求一定星數,星星灌水就出現;你要求有 PR 紀錄的倉庫,他們就互相開倉庫互相發 PR。所以最後 Kyle 把信任這條線拉到一個有點哲學的終點:某種「數位身分」。怎麼證明網路上的這個我真的是我。swyx 接了一句「給我你的眼球」,半開玩笑,但你懂那個方向。

關於「該不該區分真開發者跟只是有 GitHub 帳號的人」,Kyle 的立場很堅定,也很對我胃口。現在 GitHub 上有超過兩億個帳號。有人會說那不算開發者吧。Kyle 直接反對切割:「我自己開始寫 code 的時候也不是開發者。」他講了 swyx 自己的故事,swyx 早年寫文章記錄學寫程式的過程,結果被人罵 fraud、罵騙子,只因為他有 GitHub 帳號卻說自己不太懂。Kyle 說「that's bullshit」。他的定義很乾脆:你有個想法、把它變成一個能跑能用的東西,那一刻你就在這條路上了,就算你用了 AI 也沒關係。這跟之前 Replit CEO 聊 vibe coding那篇的精神幾乎一樣:不會寫程式不是缺點,能把想法變成東西才是重點。

最後一塊拼圖:讓 AI 有足夠的上下文

聊到 Copilot 的未來,Kyle 講了一段我認為是他真正的願景。

他說現在整個 AI 圈處在一個「極度近視」的階段。為什麼我的 coding agent,就算在背景跑,還是會丟掉它本來該有的、來自我所有非寫程式工作的上下文?他最想要的不是再來一個助理,是真正的「環境 AI」。當他要寫 webhooks 的下一版、實作一個新功能,他希望 AI 知道每一份規格文件、每一封 email、他在線上講過的每一段對話,然後把這些全部納入決策。

「軟體開發從來就不是一個單線任務。」這句話他講得很重。不是寫出完美的 code 就結束了,而是所有隊友的上下文、業務在幹嘛、現在什麼當紅,全部都算數。這也是為什麼他覺得 OpenClaw 這類東西這麼有趣:它連上了 Kyle 這個人在乎的所有資料來源。

不過他也誠實點出一個殘酷的落差。這些超強的新工具,你個人玩很爽,但拿到公司就用不了,因為它過不了安全跟合規。「我不是因為在 GitHub 上班所以不能用,是因為這些工具做不到大公司需要的那些事。」所以 Kyle 反覆推 WorkIQ、FoundryIQ 這類「上下文引擎」,賣點就一句話:一樣強,但你老闆不會被開除、IT 不會把它關掉,因為它不會把私密資訊漏出去。我覺得這個觀察對任何想把 AI 帶進企業的人都成立,炫的 demo 很多,能通過合規上線的很少。

swyx 在最後拋了一個有點哲學的點:控制權的反轉。某個時刻你會從「告訴 AI 該做什麼」變成「AI 告訴你該做什麼」,有點可怕,但也許更好。Kyle 的回應很接地氣:他會很樂意 OpenClaw 提醒他喝水,但他不確定他想讓它改他的車要去哪。這個分寸感我覺得抓得剛好,要的是資訊更充分的助力,不是把人生交出去。如果你對「人在 AI 時代還剩多少能動性」這題有興趣,Vitalik 聊 Sanctuary Tech那篇講得更深。

最後 swyx 提到他要在 Build 上訪問 Satya Nadella,問 Kyle 該問什麼。Kyle 給的問題看似平淡卻很狠:問他覺得「兩三年後什麼會是真的」。因為從 Microsoft 最近的調整看得出來,他們在賭一個「不是七八個分散工具、而是上下文不再四處流失」的方向,而這個賭注為什麼兩年後會回本,值得 Satya 直接回答。swyx 自己也說,外界對這個方向其實有不少懷疑,他想要一個能讓人安心的直接答覆。

回頭看整集,我最大的收穫不是那些嚇人的數字,而是 Kyle 那個「往回看」的用法。我們太習慣把 AI 當成往前衝的生成引擎,卻忘了它最擅長的其實是幫你把過去一週的混亂整理成模式。下次打開你的 AI 工具,別急著叫它生成新東西,試著叫它先回顧你這週做了什麼、哪裡卡住,搞不好那才是真正省你時間的地方。

這類把第一線技術跟產業趨勢拆開講的內容我會持續寫,訂閱 wilsonhuang.xyz 就不會漏掉。

Sources:

• Latent Space: GitHub's plan for Agents — Kyle Daigle
• Kyle Daigle — LinkedIn
• GitHub COO Kyle Daigle: AI Agents Are Driving 14× Commit Growth — BigGo Finance