MOLT 西奈医院模型：五个月的自动化缺陷修复作为医疗团队隐喻

要点

在五个月内，Cockroach Labs 的 MOLT 西奈“医院”流水线在两天内以 4,172 美元的 LLM 代币成本增加了 IBM Db2 迁移支持——比之前耗时 9 个月、花费 16 万美元的 Oracle 项目快 164 倍，成本低 38 倍——表明 LLM 代理的教学医院隐喻能够以显著降低的成本和风险生成生产级代码。

为什么采用教学医院隐喻？

结论： 质量而非速度驱动迁移工具；医院模型强制严格的交接、审查和文档记录。

代理可以快速生成代码，但不受控制的输出在分布式 SQL 数据库中可能导致数据损坏。
现有的代理工厂（例如 Gas Town、Cursor 的 SQLite 重建）优化吞吐量，而非数据库迁移所需的安全保证。
教学医院为高风险工作提供了一个经过验证的框架，适用于技能水平不均、强制二次意见和文档化交接的情况。

“我们寻找一种模型，它长期管理由技能不均的员工执行的高风险工作，具有强制交接、强制二次意见，以及关于交接草率时出错情况的文献。我们最终选择了教学医院。” – Rafi Rafiss，Cockroach Labs

医院角色映射到代理功能

结论： 每个角色隔离特定职责，防止代理越权并确保可追溯性。

角色	代理提示 / 职责
分诊护士	对传入的 GitHub 问题进行分类，接受或拒绝。
研究员	复现缺陷，编写诊断报告，并在接触代码之前制定详细治疗计划。
审查主治医师	一个独立的 LLM 实例，审查计划和代码中的缺陷、回归和安全问题。
出院护士	审计审查是否正确执行、CI 是否通过、提交历史是否干净，然后合并。
医学主任	代理无法解决的情况的人工升级点。
支持部门	值班护士（重新运行停滞阶段）、感染控制（主分支破坏时锁定流水线）、安全（每周流程审查）、研究（提出新工作）。

技术实现

结论： 整个工作流通过 GitHub Actions 和问题标签编排，使状态机可观察且可复现。

状态跟踪： 问题标签表示当前阶段（例如 triage-in、fellow-out）。添加标签触发相应的 GitHub 工作流。
提示加载： 每个工作流加载特定角色的提示，并将结构化注释（）写入图表文件供下游代理使用。
技能文件中编码的安全规则：
- 没有计划之前不写代码，没有审查之前不制定计划。
- 不要即兴发挥 – 任何范围变更都强制新的计划和审查。
- 没有测试捷径 – 失败的测试在证明其错误之前被视为正确。
- 绝不慌乱 – 卡住的研究员在升级前发出 I-PASS 交接。
- 出院护士审计审查者 – 确保审查过程得到遵循。
- 先例日志 – 代理在升级到人类主任之前查阅仅追加的日志。

生产结果（2026 年 4 月 21 日 – 9 月 11 日）

结论： 医院流水线交付了超过一百万行代码，人工干预最少且保真度高。

指标	值
合并的治疗 PR	1,238
已处理的问题	1,322
代理生成的后续问题	1,299
后来被还原的 PR	7
升级到人类主任的问题	92
PR 中位数大小	增加 527 行

Db2 迁移是第一个大型功能，在 <2 天 内完成，代币成本 4,172 美元。
第一周后启用了人工审批模式，以在向客户发布前验证质量。
同一流水线随后生成了 迁移助手（AI 引导的 Postgres 到 CockroachDB 迁移），目前处于预览阶段。

成本分解与模型演进

结论： 随着流水线从昂贵的模型（Opus）迁移到使用 Fable 进行规划和选择性升级的分层方法，基于代币的成本大幅下降。

总代币支出：135,000 美元（约 每个问题 84 美元）。
初始阶段对每个步骤使用 Claude Opus；后期阶段切换到 Fable 进行规划，并动态选择模型进行实现，降低了每个问题的成本。
成本峰值对应于模型切换调整周期和工作负载组合（UI 工作因图像处理而产生更高的代币使用量）。

自我改进：冗余技能文件

结论： 约四分之一的技能文件文本是冗余的，增加了代币使用量；修剪将带来可衡量的节省。

对 25 个技能文件（约 10 万词）的审计发现 23% 可删除。
出院护士每次运行加载约 21,800 词（约 29,000 代币）；冗余直接增加了成本。
未来工作包括构建一个 linter 来检测和消除重复规则。

经验教训

有效的方法

角色框架 – 简短的角色介绍（“你是一名研究员……”）为代理提供了强大的上下文基础，导致语言细腻（例如礼貌的升级消息）。
计划优先审查 – 只有 <10% 的计划被拒绝，但这些拒绝防止了下游缺陷，节省了大量返工。
变更大小的硬上限 – 任何超过 1,000 行的工作都会触发自动分解，保持每个 PR 可审查。
全面的审计跟踪 – 每个操作（计划、I-PASS、审查结论、代币使用量）都存档在伴随分支中，支持完整的事后分析。

需要改进的地方

过度官僚化 – 代理有时会创建重复关闭操作或升级琐碎的 UI 调整，导致不必要的循环。
无休止返工的断路器 – 在三轮返工后实施了安全审查；进一步优化正在进行中。
自生成积压 – 近 50% 的问题是自动创建的；限制研究部门减少了噪音。
初级工程师的学习机会 – 当前模型偏向高级吞吐量；计划正在制定中，让人类制定计划并接收代理反馈以发展技能。

社区反馈（HN 亮点）

“这感觉像是一个高质量系统设计的绝佳例子……隐喻有效地编码了复杂关系。” – finnborge

“与 LLM 角色扮演并不是产生惊人代码的秘密。” – anonymous908213

“为什么使用 GitHub 问题而不是专用的工单系统？” – reachableceo

“很棒的文章 – 现代医疗团队实践很好地转化为 AI 代理。” – cs702

“流水线产生了大量内部工作；限制是必要的。” – kinduff

这些评论既强调了对隐喻的热情，也表达了对工具选择和官僚主义的担忧。

下一步

结论： 团队将优化成本效率，扩展初级工程师的教育功能，并探索低风险问题类别的全自动操作。

继续修剪技能文件冗余并添加提示 linter。
启用人工制定计划并代理审查，以创建学习循环。
通过独立测试验证 Db2 迁移的正确性。
试验合并后的“旅行护士”阶段进行验收测试。
将 Sinai 框架推广到更广泛的内部采用（已有四个仓库使用，计划更多）。

MOLT 西奈实验表明，一个精心设计的医院式 LLM 工作流可以显著加速复杂工程任务，同时保持生产数据库工具所需的安全保证。