为 AI 规模的提交量重建 CI——Gautam Korlam，SonarSource

Gautam Korlam 结合其在 Uber SubmitQueue 以及现属 Sonar 的 Gitar 上的工作，讨论编码 Agent 产生变更的速度超过测试、评审与合并队列处理能力的问题。他指出，为人类提交速率设计的合并队列在 Agent 批量创建 PR 时可能成为瓶颈，约束点会转移到构建失败、反复修复、评审与审批。演讲沿 CI 与合并路径展开，提出增量构建、缓存、分片与并行化以降低重复反馈成本，并以 Rust 示例对比全量重建与仅测试受影响工作的差异；同时强调 Agent 需要来自日志与失败的持久上下文，避免修复循环反复发现同一问题。

AI推荐理由 来自 AI Engineer 的技术演讲，作者 Gautam Korlam 结合其在 Uber SubmitQueue 及现属 Sonar 的 Gitar 的工作，具体指出编码 Agent 产生变更的速度会超过测试、评审与合并队列的处理能力，瓶颈从代码生成转移到构建失败、反复修复与审批环节；并提出增量构建、缓存、分片、并行化以及为 Agent 保留日志与失败上下文等可操作方向，还以 Rust 示例说明全量重建与仅测试受影响部分的差异。内容有明确问题定义与工程实践指向，对 Agent 落地与开发工具链有实际参考价值；局限在于为会议演讲摘要，未给出量化数据或效果验证。