把工单丢给它，回来就是一个能合的 PR：RudderStack 开源了自家工程 harness

RudderStack 10 月 27 日开源 DevBox（官方博客，Principal Engineer Fotis Xenikoudakis），仓库 rudderlabs/devbox（gh API 11 月 8 日实测：324 星、21 fork，MIT 许可证，2026-10-27 创建、11-06 最后推送）。先定性：很早期的开源项目——建库不到两周，但它在自家工程组织已经跑了半年多。做法：开源的自主工程 harness——在 Linear 里指派一个 issue（或 @ 它），它自己判断要改哪些仓库、改代码、跑测试、审自己的 diff、开一个草稿 PR；你在 GitHub 上评审、留评论，它把新提交推到同一分支。

DevBox 仓库 README 配图

隔离与自托管

每个任务一个沙箱：指派 Linear issue 触发控制面 webhook，控制面向 OpenSandbox 要一个隔离环境、启动并盯整个过程；harness 在沙箱里干活、把进度回传到 Linear issue，最后自己开 PR——中途无需人工干预。自托管、MIT 协议：跑在 Kubernetes（或 Docker Compose）或你自己的机器上，用你自己的模型端点与 key，代码与提示词只去你已合作的供应商；沙箱里没有真实密钥；CLI 能拉起依赖服务做端到端检查；与 Linear、GitHub 集成。

战绩（RudderStack 自述口径，未经第三方审计）

RudderStack 官方博客配图

官方博客口径：自 4 月起在全公司工程组织运行，1,500+ 个 PR、覆盖 66 个仓库，走到裁决的 PR 里约 80% 被合并；合并率逐月上升——8 月 72%、9 月 79%、10 月 91%（10 月统计到 26 日）。从图表看，三分之一是小功能：映射里多一个字段、API 版本变更的审计、藏在安全默认值后面的配置开关。失败的形态也可预测：模糊工单产出模糊改动——能起效的是规格，“一行 issue 没细节，改动就跑偏”。据 dev.to 转载口径，大项目仍交给 Claude 或 Codex。趣闻（官方博客原话）：把 DevBox 改成 MIT 协议的那次 PR，就是 DevBox 自己开的。

判断

三点校准：① 战绩是自述口径，别写成独立验证的结论——但“1,500+ PR、逐月合并率上升”这条曲线若属实，说明瓶颈在工单质量不在模型能力；② 与第三十一批 agent-desktop（深挖 ×2）区分：那篇是“agent 操作你的桌面”，这篇是“从 Linear 工单到草稿 PR 的完整流水线”（沙箱、依赖服务、集成齐全）；与 10 月 26 日的 tstack（Theo 的 9 个 Claude Code skill，含自动合 PR）也区分：那是 skill 合集，这是 harness；③ 真正值得记的位置：它证明了“中等规格化的小改动”可以整段外包给 agent 且合并率爬到 91%——工程组织的分工线要重画了：人写规格、审 diff、做裁决；agent 写代码、跑测试、开 PR。