几页 Markdown：采用 Coding-Agent 后承诺的 AI 配置和更低的质量成本

编码智能体 提高了开发速度，但也增加了技术债务。之前的工作仅报告了采用者之间的平均效果，隐藏了团队之间的巨大差异。我们引入 RAMP（存储库 AI 成熟度概况），这是一个四级累积成熟度模型，基于团队承诺配置 AI 工具的版本控制工件。 RAMP 从行为规则和编码标准到命名代理定义再到多代理编排，观察到的实践集中在前三个级别。在 441 个存储库中，级别表现为累积规模，独立的人工注释在 97% 的保留样本上重现 RAMP 的存储库级别标签。采用是累积的、只向前的和一劳永逸的：73.8% 的工件只提交一次并且从未修改。重新估计每个层中现有的代理采用小组，无论成熟度如何，代理都会加速开发（提交量增加 28-38%），但质量存在差异：在代理优先的存储库中，存在对比，那些没有承诺的 AI 配置的存储库的认知复杂性增加了大约两倍（+53% 对 +27%），静态分析警告增加了 1.7 倍。由于成熟度是可观察的，相关的工程学科或模型能力可以解释部分差距；我们将这些发现作为假设生成并将 RAMP 作为可重复使用的工具发布。