AI TOOL · 数据观察 ｜ 2026-10-28 你正准备转发「Ramp 74% 的代码是自家 agent 写的」——同一天，亚马逊说：别数这个。 数字亮点：74% 合并代码出自它 · 99% 团队在用 · 6x 人均产出 数据背书：Ramp 官方发布帖（2026-10-27）+ CNBC 报道（2026-10-27）
先看翻车现场。你刷到一条：Ramp 的 CTO 宣布，过去一个月公司 74% 的合并代码出自自家 agent「Inspect」，而去年 11 月这个数字还是零。你第一反应：卧槽，AI 已经把代码写掉四分之三了。
然后你往下刷到第二条：同一天，亚马逊发了份内部工程指南，说 token 用量、采纳率、代码变更数全是「deeply flawed」的指标，让你别数 PR，看长期结果。
同一天，一个让你想转发，一个让你闭嘴。哪个是真的？这稿就拆这个。
PART 01 · THE NUMBER · 74% 到底怎么来的
Ramp 是家做企业卡和财务软件的公司，不是搞 AI 的。它的 agent「Inspect」从今年 1 月就在自己内部跑，10 月 27 日才对外开早鸟。
这个 74% 不是天上掉的，是爬出来的。看数字的进化史：
- 1 月（Ramp 工程博客）：约 30% 的合并 PR「由 Inspect 写」
- 2 月（Modal 案例）：约一半合并 PR「由 Inspect 发起」
- Pragmatic Engineer：60% 的 PR（1 月口径）→ 75%（5 月口径）
- 10 月（官方发布帖）：74% 的合并 PR；联合创始人 Eric Glyman 在 X 上说得更直白——「我们合并的代码 74% 出自它，去年 11 月还接近零」
- 同一篇发布帖：过去一个月 99% 的工程/设计/产品团队用过；人均产出 6x（比一年前）
看到没？30% → half → 60% → 75% → 74%，一路往上。但这串数字有个坑：口径不一样。「PRs started by Inspect」「PRs merged」「code merged」是三个不同的量，不同来源在不同时点报的。74% 是公司高管自己说的，没给方法，也没独立审计——这是它最软的地方。
顺带一提，Ramp 不是唯一这么喊的。今年这种「自家 agent 写掉 X% 代码」的发布几乎成了标配——谁家没个内部 agent 都不好意思开产品发布会。区别在于：多数公司报的是「我们试了，效果不错」，Ramp 报的是一个接近 3/4 的占比，还顺手把「去年 11 月还是零」的基线甩出来。这个对比很聪明，因为它把「增长」两个字写在了脸上——但从另一面看，也说明 Ramp 的 agent 是9 个月内从零堆到 74% 的，不是什么十年磨一剑。
硬数字：74% / 零（去年 11 月）/ 30%→half→60%→75% / 99% / 6x
PART 02 · HOW IT'S BUILT · 它是怎么搭出来的
Ramp 没买现成的，是自己造的。为什么？它 1 月那篇博客说得直白：自家工具「只用在自家代码库上」，所以能做出「比任何 off-the-shelf 工具都强的东西」。
架构据 Modal 工程博客（2026-02-19）：
- 每个 session 一个隔离沙箱 VM（Modal），里面塞了 Postgres、Redis、Temporal、RabbitMQ、一个 VS Code server、一个 web 终端、一个 Chromium 浏览器——「工程师本地有什么，它有什么」
- 里面跑 OpenCode 当 harness——开源、model-agnostic，想接谁接谁
- 每 30 分钟 一个定时任务重建文件系统快照，新 session 从最新快照起跑，最多落后仓库头部 30 分钟
- 接到 Sentry、Datadog、LaunchDarkly、Braintrust、GitHub、Slack、Buildkite：后端能跑测试、看 telemetry、查 feature flags；前端能给你截图和 live preview
- 平台上一共 200+ 个 agent 在跑（code-review agent、on-call 助手、前端 QA、数据分析、客户反馈分析、从 Sentry/Datadog 告警自动起草 PR……），核心团队只有 5.5 个人
关键点：它不是「一个会写代码的 AI」，是一条把 agent 接进你现有基础设施的流水线。
硬数字：1 沙箱 / 5 服务 / 30 分钟快照 / 200+ agent / 5.5 人
PART 03 · WHO USES IT · 让非工程师也能写
Ramp 主打的是协作，不是单打独斗。
- 每个 session 默认 multiplayer：队友随时加进来加上下文、标约束、在评审前调方向
- 入口有四个：Slack、GitHub、Linear、web，外加一个 Chrome 扩展，让非工程师直接在页面上圈元素
- 官方例子：你上班路上在手机 App 里发现个 bug，截个图，在 Slack 里发「@inspect 修这个」，等你到工位，一份带着视觉证据的 PR 已经躺在那等评审
- 它把产品经理、设计师也拉进来了——所以才有 99% 的工程/设计/产品团队在用、人均 6x 产出
Ramp 自己的判断就一句：瓶颈「越来越是我们自己的判断」。
这句话是关键。代码变便宜了，评审没变便宜。Ramp 的答案是：把证据贴到 PR 上，让工程师做评审，而不是复现。同一天 Replit 的 Cloud Agents 也 GA 了（Pro/Enterprise），做法一样——agent 自己打开浏览器点一遍、截图、录屏，附在 PR 上。Replit 说把评审意见转成技能、工程师批了之后，自家 token 用降了 51%。
你看，两家公司的答案殊途同归：不是让 AI 更会写，而是让评审更省力。以前 PR 描述里写「改了啥」，现在直接附上「改完长这样、测试全过、feature flag 状态如此」——工程师要做的从「读懂代码」变成「看证据做判断」。这也是为什么 Ramp 敢说 99% 的团队都在用：因为门槛降了，非工程师也能上手，工程师不用替每一行代码背书。
硬数字：4 入口 / 99% / 6x / 51%
PART 04 · THE COUNTERPOINT · 同一天，亚马逊说别数这个
如果只看到这，你会觉得「AI 写代码已经赢麻了」。但同一天（10-27），亚马逊发了份内部 AI 工程指南，CNBC 报道了。
指南点名：token 用量、采纳率、代码变更数，这三个指标「deeply flawed」——它们数的是「用了多少」，不是「干成了什么」。亚马逊说要看长期结果，还特意提了一句：「如果你的工作没从当前 AI 工具里获益，那是个发现，不是失败。」（"If your work does not benefit from current AI tooling, that is a finding, not a failing."）它在 5 月就把内部 token leaderboard 关了。
两边能同时为真：
- 74% 的合并 PR 是真实的采纳信号（adoption signal）
- 但它不是结果（outcome）
真正赢的团队，会是那些量「什么到了客户手里、什么坏了」的，而不是「agent 开了多少个 PR」的。
这里得多说一句，免得你误解成「亚马逊唱反调」。亚马逊不是否定 AI 写代码，它是否定用错误的方式衡量 AI。指南真正扎心的是那句「如果 AI 工具没让你的工作获益，那是个发现，不是失败」——意思是别为了指标好看硬上 AI，也别因为某个环节没用上 AI 就觉得丢人。它 5 月关 token leaderboard，就是不想让团队为了刷 token 榜而用 AI。这跟 Ramp 的 74% 不冲突：Ramp 证明了 agent 能扛起产出，亚马逊提醒你产出本身不是终点。
硬数字：3 个 flawed 指标 / 5 月关榜 / 74%
PART 05 · WHAT IT MEANS · 所以 74% 是信号还是自嗨
我的判断：是信号，但不是成绩单。
- 信号在哪：一家不做 AI 的金融科技公司，靠自家 agent 把合并代码干到 74%，说明「agent 接进现有基础设施」这条路是通的，不是实验室玩具
- 不是成绩单在哪：74% 是高管自报、口径不一（started/merged/code）、无方法无审计；更关键的是它量的是产出，不是质量——PR 多了不代表 bug 少了
- 真正的转折点：评审从「理解代码」变成「判断证据」。Ramp 说瓶颈是「我们自己的判断」，Amazon 说别数 PR 数结果——两边其实是同一句话
对你（1-5 年程序员）最实在的，是把这套思路抄回自己团队。
CASE 01｜把「评审证据化」抄进自己团队
需求：你团队 agent 开始提 PR 了，但评审越来越费劲，你想把「评审」从复现变判断。
方案： 1. 让 agent 跑完测试、查完 telemetry 再提 PR，把证据（测试结果 / 截图 / feature flag 状态）附在 PR 描述里 2. 别用「agent 提了多少 PR」当 KPI，改用「到客户手里的结果」——线上 bug 率、回滚率、功能是否达标 3. 给非工程师一个入口（Slack 截图 @agent 修这个），把需求从口头变 PR 输出： - 评审从「复现代码」变成「判断证据」，省的是复现时间 - 团队 KPI 从「数 PR」变成「看结果」，Amazon 那套 - 非工程师能直接提需求，工程师只做判断
一句话推荐：别转发那个 74% 当谈资，转这条判断——代码变便宜了，判断才是新瓶颈。
适合场景： - 团队在用 agent 提 PR、评审变慢的 - 老板拿「AI 写了多少代码」当 KPI 的 - 想给非工程师开 AI 入口的
参考资源： - Ramp 发布帖：https://ramp.com/blog/introducing-inspect - Amazon 指南（CNBC）：https://www.cnbc.com/2026/10/27/amazon-ai-coding-tokenmaxxing.html