Y Combinator 总裁 Garry Tan 写了一篇很长的文章，讲他过去一年用 AI 写代码的核心方法论。他做了两个开源项目，GStack（93K stars）和 GBrain（14K stars），加起来大约 97 万行代码、665 个测试文件，基本全部由 Claude Code 和 Codex 在他的指挥下完成。

他提出了一个概念叫"复杂度棘轮"（Complexity Ratchet）。棘轮就是那种只能往一个方向转的机械装置，比如扳手拧螺丝只能往前不能往后。他说用 AI 写代码也可以做到这一点：质量只能上升，不能下降。前提是你得有 90% 的测试覆盖率。

具体怎么运作的？每次 AI agent 写代码的时候，同时会产出三样东西：测试（定义什么是"正确"）、文档（记录为什么这么做）、评估结果（建立质量基线）。下一次 agent 再来改代码的时候，它会加载这三样东西到上下文里。测试不过就不能提交，文档就在眼前不能忽略，质量低于基线就会被发现。质量底线每一轮都在上升，这就是棘轮效应。

他举了个很具体的例子。GBrain 有个功能是从大量文本里提取"谁相信什么"，第一版跑出来质量 6.8 分（满分 10），最大的问题是搞混了"谁持有这个观点"。于是评估结果被记录下来，6 个失败模式被识别，第二版 prompt 针对性修复，17 个测试锁定了这些规则。以后任何版本的代码都必须通过这 17 个测试才能上线，没有人需要记住这些细节，测试替你记住了。

为什么 90% 这个数字这么重要？他引用了 Capers Jones 对一万多个软件项目的研究：覆盖率在 70% 以下时，缺陷逃逸率很高；到了 85%-95% 的区间，缺陷捕获率跳到 92%-97%。这个关系不是线性的，在 85% 附近有一个拐点，过了这个点，漏网的 bug 数量会断崖式下降。航空软件行业几十年前就发现了这一点，所以 FAA 对飞行关键系统强制要求极高覆盖率。

过去 50 年，90% 覆盖率对人类团队来说太贵了，因为最后那 20% 的测试写起来极其枯燥费力，大多数团队到 70% 就停了。但 AI agent 不会无聊，不会在周五下午偷懒，不会觉得"以后再补"。那堵挡住人类的"意志力墙"，对 AI 来说根本不存在。所以 90% 覆盖率从一个奢侈品变成了默认设置。

他还展示了棘轮可以测试的范围远超传统单元测试。他用 Bun 的 TTY 功能造了一个测试框架，能在伪终端里启动 Claude Code，观察它的实际行为，比如"有没有在 review 过程中问用户问题"。如果 agent 跳过了交互直接输出结果，测试就会失败。这已经不是在测代码逻辑了，是在测 AI agent 有没有遵守行为契约。

最后他的结论很直接：任何软件公司如果还没采用这套模式（agent + 品味 + 只升不降的测试套件），在速度和质量上已经输给了一个用这套方法的单人团队。工具是开源的，免费的，去用就行。

#科技先锋官##How I AI#