Uber 用 AI 自动删代码：清掉 16000 个开关、百万行

10 月 20 日，Uber 在其工程博客中披露了 AI 验证团队自研的代码清理系统 AutoClean，过去几年里该系统已清理超过 16000 个特性开关（feature flag），清掉超过 100 万行代码。这套系统把「删掉已经下线的功能开关」这件苦活变成了持续运行的自动化流程。

开关债务会拖累智能体

特性开关是 Uber 灰度发布、跑实验和快速回滚的基础，目前在移动应用与后端服务里管理着数千个。问题在于开关全量放开后，遗留的条件分支与测试往往留在原地 quietly 变成技术债：分支越积越多，代码库越难理解和测试，AI 智能体也得花时间解析死代码，导致会话更长更贵。清理一次往往牵动几十个文件，跨布尔逻辑、辅助函数、调用点、配置与测试，其中部分测试可直接删除，部分必须按新默认行为重写。

AutoClean 接进公司的特性开关管理系统，识别出可以安全移除的开关，改写代码、修复 CI 破坏、验证最终 diff，再推给对应团队。智能体拥有文件检索与代码编辑权限，还配了一个建立在 PolyglotPiranha 之上的布尔代数与条件化简工具，尽量把确定性的改写交给确定性工具，智能体只处理需要判断的部分。

两道校验闸门挡在人工审阅之前

CI 变绿并不等于改动安全。系统随后跑静态检查，再进入名为 CodeCourt 的智能体校验层：把「diff 必须满足什么」拆成一条条独立属性，每条属性配一个专职审阅智能体，并行跑完后汇总判定，任何一条不通过就直接放弃这份 diff。通过这两层后，diff 才交给人工评审，人只需判断「这个开关现在是否真的可以删」。

这种「智能体加确定性工具加 CI」的组合，和Anthropic 用 Claude 自建代码系统取代 Git、以及用模型做大规模代码迁移的思路是同一条路线：把机械性改写交给程序，把判断留给模型，把最终决定权留给人。