并非所有代理都是平等的：五个自主编码代理的代码质量和合并后维护

自主编码代理现在在公共存储库中打开拉取请求，其规模是两年前无法达到的，但人们对代码落地后会发生什么知之甚少。本文研究了来自 5 个商业代理（OpenAI Codex、Devin、GitHub Copilot、Cursor 和 Claude Code）的 37,623 个带有出处标记的拉取请求 (PR) 以及匹配的人类基线，这些基线取自 2024 年 12 月至 2025 年 7 月期间从 2,807 个 GitHub 存储库中提取的数据。我们将 AIDev 数据集与 58,792 个缓存的 GitHub API 响应相结合，以测量添加的代码、结构中的安全气味。可维护性、合并后流失、恢复率和人工审核行为。三个结果脱颖而出。首先，质量差异是供应商特定的而不是统一的：Codex 编写的 PR 的恢复频率约为人类 PR 的一半（6.1% vs. 11.5%，比值比 0.50），而 Devin PR 的恢复频率更高（14.5%，比值比 1.31）。其次，由于硬编码凭证和评估式构造较少，跨供应商汇集的代理代码比人类代码更不可能包含安全气味（比值比 0.63）。第三，审核工作的集中度不均匀：Copilot PR 提出了最多的人工审核和变更请求，而 Claude Code PR 等待第一次人工审核的时间最长（中位时间为 12.6 小时）。所有管道代码、统计报告和数据均已发布以供复制。