我们发现了什么
方向观察：richardrx/autonomous-engineering。原文包含第三方或历史项目线索，暂不能归属于本产品，需核对完整来源。
- 来源：GitHub（发现于 2026-11-01）
- 证据等级：D · 包含历史项目、第三方案例或未来计划；不能作为当前项目收入证据。
- 商业模式：待核验
- 主题：独立产品
- 初筛评分：18.2/100 · 收录 1 次
证据，比故事更重要。
规则清洗与初筛，未经人工商业核验。原文语境、实际客户和付费情况仍需自行验证。
引用与数字披露
来源类型（原作者自述／第三方测算／媒体转引）需采集端标注，本版尚未落字段。
- 作者
- 未标注
- 抓取日期
- 来源类型
- 未标注
- 币种
- 未标注
- 口径
- 未标注
- 披露主体
- 未标注
- 披露日期
- 未标注
中文辅助译文（全文）
自主工程
一项使用 AI 智能体并采用基于风险的自主机制来构建软件的公开计划。
AI 智能体已经能够编写代码、运行测试和审核拉取请求。挑战在于，既要让可靠的变更顺利合入，又不能让每次发布都因需要某个人批准而形成瓶颈，同时也不能牺牲安全性、问责能力和回滚能力。
本仓库记录了我正在制定的、用于解决这一问题的技术计划：基于实际差异的风险分类、独立的审核智能体、与提交绑定的 CI 和安全证据、受保护的权限、逐步自动化的合并，以及回滚机制。
核心理念很简单：自动化一切可以验证的内容，同时让人类继续对确实需要其判断力的决策负责。 本计划面向希望交付更多成果、且不预设 AI 生成代码默认安全的创始人和小型团队。
状态：架构提案，而非已完成的系统。 这里没有可运行的机器人、经过验证的流水线，也没有任何已展示的生产环境成果。在启用自动合并之前，必须先调整并测试该计划。
用一张表说明这一理念
| 变更类别 | 人工审核 | 拟议合并策略 |
|---|---|---|
| T3 · 低风险且符合条件 | 无需强制人工批准 | 在 CI、独立审核、安全检查及其他所有必要关卡均通过之后自动合并 |
| T2 · 中风险 | 默认需要一名人员批准 | 批准后可由自动化执行合并；未来的例外情况需要证据支持 |
| T1 · 高风险或治理类 | 必须由人工批准，可能需要两名人员 | 自动化可以执行获批的合并，但绝不能绕过风险策略 |
T3 并不自动意味着自动合并。 只有经明确批准的低风险变更类别才应符合条件。任何新的提交都会使与先前已审核的 SHA 关联的证据失效。
从哪里开始
阅读完整技术计划。其中涵盖：
- 基于实际差异的风险分类。
- 权限、受保护路径，以及实现者与审核者之间的职责分离。
- 自动化审核和证据验证。
- 安全合并、自主程度限制和回滚。
- 落地阶段、验收测试和指标。
如果你从零开始，不要在第一天就启用自动合并。先以 影子模式 运行：系统记录哪些 PR 会符合条件，同时仍由人员批准合并。只有在确认各项关卡能够正常工作后，才能扩大自主程度。
如何使用本仓库
- 划定边界。 阅读计划中的 T1/T2/T3 策略，将其与你的产品进行对照，并确定哪些代码绝不应在未经批准的情况下合并。
- 审计现有内容。 检查 CI、机器人权限、分支保护、测试质量，以及审核能否追溯到特定 SHA。不要利用自动合并来绕过审计中的缺口。
- 以影子模式运行。 在数周内记录哪些变更本可符合条件，并将这些判定与实际审核结果进行比较。
- 根据证据扩大范围。 从规模较小且可逆的类别开始。跟踪事故、回滚，以及每次正确交付变更所消耗的人工时间。
该计划包含概念架构、风险标准、推出阶段、关卡和验收场景。它不是可直接安装的服务，也不是可用于生产环境的 GitHub Actions 工作流。
这是什么——以及它不是什么
它是： 一项运行方案，创始人和小型团队可以根据自身代码库、技术栈和风险承受能力对其进行调整。示例仅作说明，不是经过测试的配置或普遍适用的规则。
它不是： 即插即用的工具、安全性的保证、其他公司内部流程的复制品，也不表示这些自动化流程已经在运行。
目标不是最大化自动合并的 PR 数量，而是在不增加事故或回滚的情况下，提高每个人工小时内交付的正确变更数量。
参考资料
- Claude Code 团队如何进行代码审核 — Anthropic，2026年10月15日。
- 重新设计 Anthropic 的源代码控制 — Anthropic，2026年10月13日。
- Harness 工程：在智能体优先的世界中利用 Codex — OpenAI，2026年2月11日。
这些已发布的实践只是参考，并非被整体照搬的蓝图。这里的 T1/T2/T3 分层、工作流、标准和示例是我提出的改编方案，并非对这些公司内部运作方式的字面描述。
许可证
MIT。你可以根据许可证条款复用和改编本材料。
译文由上游机器翻译生成，可能有误；判断请以英文原文为准。
英文原文（来源本站未改写）
Autonomous Engineering
An open plan for building software with AI agents and risk-based autonomy.
AI agents can already write code, run tests, and review pull requests. The challenge is getting reliable changes merged without making a person the bottleneck for every release — or giving up security, accountability, and the ability to roll back.
This repository documents the technical plan I'm working on to solve that problem: risk classification based on the actual diff, independent reviewing agents, CI and security evidence tied to the commit, protected permissions, progressively automated merges, and rollback mechanisms.
The idea is straightforward: automate what can be verified, and keep humans responsible for decisions that actually require their judgment. This plan is for founders and small teams that want to ship more without assuming AI-generated code is safe by default.
Status: architecture proposal, not a finished system. There is no working bot, validated pipeline, or demonstrated production outcome here. The plan must be adapted and tested before enabling automatic merges.
The idea in one table
| Change class | Human review | Proposed merge policy |
|---|---|---|
| T3 · low risk and eligible | No mandatory human approval | Auto-merge after CI, independent review, security checks, and every other required gate |
| T2 · medium risk | One human approval by default | Automation can perform the merge after approval; future exceptions require evidence |
| T1 · high risk or governance | Mandatory human approval, potentially from two people | Automation may execute the approved merge, but must never bypass the risk policy |
T3 does not automatically mean auto-merge. Only explicitly approved categories of low-risk changes should qualify. Any new commit invalidates evidence tied to the previous reviewed SHA.
Where to start
Read the full technical plan. It covers:
- Risk classification based on the actual diff.
- Permissions, protected paths, and separation between implementer and reviewer.
- Automated review and evidence validation.
- Safe merging, autonomy limits, and rollback.
- Adoption stages, acceptance tests, and metrics.
If you're starting from scratch, don't enable auto-merge on day one. Start in shadow mode: the system records which PRs would qualify while people still approve the merges. Expand autonomy only after verifying that the gates work.
How to use this repository
- Set the boundaries. Read the T1/T2/T3 policy in the plan, compare it against your product, and identify code that should never be merged without approval.
- Audit what you have. Check CI, bot permissions, branch protection, test quality, and whether reviews can be traced to a specific SHA. Don't use auto-merge to work around gaps in that audit.
- Run in shadow mode. For a few weeks, record which changes would have qualified and compare those decisions with actual reviews.
- Expand based on evidence. Start with small, reversible categories. Track incidents, reverts, and human time per correctly delivered change.
The plan includes a conceptual architecture, risk criteria, rollout stages, gates, and acceptance scenarios. It is not an installable service or a production-ready GitHub Actions workflow.
What this is — and what it isn't
It is: an operating proposal that founders and small teams can adapt to their own codebase, stack, and risk tolerance. The examples are illustrative, not tested configurations or universal rules.
It isn't: a plug-and-play tool, a guarantee of security, a copy of another company's internal process, or a claim that these automations are already running.
The goal isn't to maximize the number of automatically merged PRs. It's to ship more correct changes per human hour without increasing incidents or reverts.
References
- How the Claude Code team does code review — Anthropic, October 15, 2026.
- Redesigning source control at Anthropic — Anthropic, October 13, 2026.
- Harness engineering: leveraging Codex in an agent-first world — OpenAI, February 11, 2026.
These published practices are references, not a blueprint copied wholesale. The T1/T2/T3 tiers, workflow, criteria, and examples here are my proposed adaptation, not a literal account of how those companies operate internally.
License
MIT. You may reuse and adapt this material under the license terms.
这条还缺什么证据？
下面每条都由本条已有字段推出（等级、理由、商业模式、来源次数、是否演示）， 本站不生成推测性结论；通用验证方法放在方法论页。
- 可核验的收入或付费证据查官网定价页与付费口径；第三方数据源（如 GetLatka）只作旁证，需标注来源与时点。
- 商业模式未定确认按席位／按用量／授权还是开源托管版收费；开源项目另查 LICENSE 与是否存在付费版。
- 只有单一来源找一手站点或其他渠道是否重复出现同一产品；社区热帖数量不等于商业进展。
通用验证清单（谁有这个问题／谁愿意付费／一个人能交付哪一小步）见我们的筛选方法。