AI 写代码的速度，已经超过了人类审查的速度：GitLab 19.2 用 Agent 补安全窟窿
GitLab 19.2 发布了。这个版本的核心功能，说出来有点讽刺：用 AI Agent 去补 AI 编码挖出来的安全窟窿。
GitLab 自己把这个叫"AI 悖论"——AI 编码工具让代码产出速度大大加快，但安全审查和代码评审还是靠人，速度跟不上了。结果就是越用 AI 写代码，安全积压越多。
19.2 版本就是冲着这个问题来的。
悖论是怎么形成的
先看一组数字。GitLab 委托 Forrester Consulting 做的研究说，用了 Duo Agent Platform 的企业投资回报率 400%，不到六个月回本。这个数字是 GitLab 自己赞助的研究，参考价值要打折扣，但方向是对的——AI 编码确实在提效。
问题出在下游。
以前一个开发者一天写几百行代码，安全团队还能跟上。现在 AI 辅助编码，一天能产生几千行的变更。依赖更新、新功能、重构，速度都快了好几倍。但安全审查的流程没变：还是人来扫漏洞、人来做代码评审、人来确认每一个变更没问题。
瓶颈从写代码的人，转移到了审代码的人。
而且这个问题只会越来越严重。模型能力越强、编码 Agent 越智能，代码产出速度就越快，安全积压就越严重。靠加人是追不上的。
GitLab 的解法是：既然问题是 AI 带来的，那也用 AI 来解决。
19.2 到底加了什么
这次更新有四个核心功能从 beta 转正或进入公开 beta：
依赖扫描自动修复（Dependency Scanning Auto-Remediation），公开 beta。扫描发现有漏洞的依赖后，自动开一个 merge request，提议升级到安全版本。如果升级导致构建失败，Agent 会在同一个 MR 里迭代修复，直到流水线通过——GitLab 把这个叫"Agentic Breaking Change Resolution"（智能破坏性变更解决）。
这个功能的背景数据有点惊人：GitLab 研究 Maven 生态系统发现，大约 63% 的最新版本存在通过传递依赖引入的漏洞——这些依赖不是团队直接选的，是被其他包带进来的。而且大约每八个依赖更新就有一个会引入破坏性变更。
换句话说，依赖安全是一个又脏又多、还容易出问题的活。交给 Agent 来做，人只做最终审批，逻辑上是通顺的。
安全评审流（Security Review Flow），也是公开 beta。这个功能针对的是模式匹配扫描器抓不到的逻辑漏洞——比如权限校验失效、批量赋值漏洞、竞态条件这些。把 Duo Security Review 服务账号加为评审者，它会把发现以线程评论的形式贴出来，附严重程度评级，能给修复建议的也会给。
GitLab 说得很明确：这个流永远不会自己批准 merge request。最后拍板的还是人。
GitLab Duo CLI，正式发布。把 Agent 带进终端，能感知项目、流水线和已有的 Agent 配置。
自定义流（Custom Flows），也正式发布了。团队可以用 YAML 自己写自动化流程，由 GitLab 事件触发，不用等 GitLab 官方出内置功能。
除此之外，还有 AI 审计事件报告（beta），把 Agent 的活动作为独立审计事件记录下来，用于合规和事件复盘；以及新的 MCP 访问控制，管哪些 Agent 能跑、能连哪些系统。
整个版本的逻辑很清晰：用 Agent 做安全和审查的体力活，人保留最终控制权。
关键问题：你信得过 AI 修漏洞吗？
用 AI 来发现和修复安全漏洞，最大的问题不是技术能不能做到，而是人敢不敢信任。
依赖自动修复相对简单。版本号对不对、流水线过没过、测试有没有挂，这些都是可验证的。Agent 提议升级，人点个 approve，风险可控。就算出了问题，回滚也方便。
逻辑漏洞审查就复杂多了。什么是"权限校验失效"？严重程度怎么定？修复建议对不对？这些都需要判断。AI 说有问题，就一定有问题吗？AI 说没问题，就真的没问题吗？
目前的答案是：把 AI 当作一个额外的评审者，而不是替代者。它能找出人类可能漏掉的问题，但不能代替人类做最终判断。
这也是 GitLab 现在的定位。所有自动化功能最终都有一个人类审批的关卡。Agent 做的是前置工作——扫漏洞、提修复、找问题。人做的是判断和决策。
但这里有个隐忧：当 AI 审查的准确率足够高之后，人类 reviewer 会不会逐渐放松警惕？变成 AI 说啥就是啥，人只负责点 approve？如果真的走到那一步，AI 引入的新漏洞可能比它修掉的还多。
这个风险不是假设。AI 编码工具已经在发生类似的事情——开发者越来越信任 AI 生成的代码，自己不仔细看了。现在 AI 又来做审查，等于既是运动员又是裁判员。
GitLab 的野心不止于补窟窿
表面上看，19.2 是在解决一个具体问题：AI 写代码太快，安全跟不上。但往深了看，这是 GitLab 整个平台转向 agentic AI 的又一步。
回顾一下时间线：
- 2025 年 8 月，Duo Agent Platform 公开 beta
- 2026 年 1 月（18.8），Duo Agent Platform 正式发布
- 2026 年 6 月（19.0），Agentic AI 进入密钥管理和 MR 工作流
- 2026 年 7 月（19.2），Agent 进入安全修复和审查
节奏很稳，差不多每两个月就把 Agent 放进一个新的 DevOps 环节。照这个速度，再过一两年，GitLab 整个 DevSecOps 流水线可能到处都是 Agent 在干活——从写代码、测代码、审代码，到部署、监控、运维。
GitLab 的优势在于平台。代码仓库、CI/CD、安全扫描、项目管理，全在一个地方。Agent 可以直接访问所有上下文，不用在不同工具之间跳来跳去。这是纯编码 Agent（比如 Claude Code）比不了的。
当然也不是没有质疑。Reddit 上有人说 Duo 的集成是不错，但 UI 不如 Claude Code 好用。也有人担心成本——全团队铺开的话，费用不低。还有人问，GitLab 一头扎进 Agentic AI，会不会丢了原来的开源文化和透明度？
这些问题都真实存在。但大方向上，GitLab 走的路是对的。DevOps 平台的下一步，就是从"工具集合"变成"Agent 操作系统"。
一个更深的问题
GitLab 19.2 暴露了一个整个行业都在面对的困境：AI 提效的速度，已经超过了人类治理能力的提升速度。
不只是代码安全。内容生成的速度超过了事实核查的速度。信息传播的速度超过了监管的速度。产品迭代的速度超过了伦理审查的速度。
到处都是"AI 悖论"。
用更多 AI 来解决 AI 带来的问题，是一个自然的选择，可能也是唯一可行的选择。但这要求我们设计出足够好的治理机制——让 AI 干活，让人掌控方向；让 AI 提建议，让人做判断；让 AI 提高效率，同时不让人放弃责任。
说起来容易，做起来难。边界划在哪里？信任给到什么程度？出了问题算谁的？这些问题没有标准答案，每个团队、每个行业都得自己摸索。
GitLab 19.2 是这个摸索过程中的一个样本。它的方案不一定完美——功能还在 beta，效果还需要验证，用户信任还需要建立。但至少它承认了问题的存在，并且在尝试给出解法。
总比假装一切都好吧。