Sourcegraph Agentic Batch Changes 正式 GA：把「跨仓库大改造」交给协调 Agent，路由到 Claude Code / Codex 执行

要点

• 2026-09-14 正式 GA：Sourcegraph 宣布 Agentic Batch Changes 全面可用，定位是「面向企业级代码库的大规模代码变更 AI Agent」。
• 协调 Agent 做路由：用户先用协调 Agent 规划变更，它会逐段判断该派给编码 Agent 还是脚本。Sourcegraph 明确说明这个路由是刻意的——避免为同一个改动付一百次编码 Agent 的钱。
• 执行层交给 Claude Code / Codex：需要判断力的部分，委派给 Claude Code 或 Codex，并附仓库专属指令与代码库上下文（通过 Sourcegraph MCP 注入）。CI 失败时 Agent 会调整策略重试。
• 人在环上：工程师实时看到 diff 生成，每个 changeset 都需人工审核批准后才合并。
• 代码托管覆盖：支持 GitHub、GitLab、Bitbucket Server、Bitbucket Cloud、Azure DevOps、Gerrit。
• 典型场景：带破坏性变更的依赖升级、安全漏洞修复、需要判断力的代码模式更新（废弃 API 替换、内部风格迁移）、新内部 API/共享库推广、CI 流水线现代化、EOL 截止日期搬迁。
• 客户实证：Canva 高级软件工程师 William L. 用它完成一次库迁移，跨仓库发起并合并 50+ 个 PR，并可在同一处跟踪每个 PR 状态。Sourcegraph 引述其评价：普通的脚本化改动「多半只是一次文本查找替换，完全不知道它实际是怎么被使用的」。

背景与分析

大规模代码改造一直是工程组织最脏最累的活：一个依赖的大版本升级，可能在 200 个仓库里有 200 种写法。传统做法两条路——codemod 脚本（快，但只认得模式不认得上下文）和人工改（准，但慢到做不动）。

Agentic Batch Changes 想走第三条路，而它的设计里有两个决策值得单独拎出来说：

第一，路由比能力更重要。 大多数「AI 改造代码库」的产品是让 Agent 无脑跑全量。Sourcegraph 的协调 Agent 先判断「这段需要判断力吗」——不需要就走脚本，需要才派给 Claude Code / Codex。这个设计直接打在成本上：跨仓库改造的边际成本，从「每仓库一次 LLM 调用」降到「仅复杂仓库才调用」。对企业级场景，这是能不能落地的分水岭，不是优化项。

第二，把代码库上下文做成产品能力。 通过 Sourcegraph MCP 注入「仓库专属指令 + 代码库上下文」，本质是复用 Sourcegraph 老本行——代码索引与语义检索。这解释了为什么是 Sourcegraph 而不是某家模型厂商做出这个产品：模型能力是商品，代码图谱是资产。

当然也要看到边界。从官方描述看，它没有声称能自动判断改动的业务正确性，只是把「找齐受影响的代码、按各仓库上下文生成改法、跑 CI 并重试」这一串自动化了。最终合并仍然要人批准——这是正确的产品姿态，也说明它解决的是「体力活」而非「决策」。

对国内团队的现实提醒：Sourcegraph 是企业级商业产品，官方页面未公开定价（需申请 demo），国内落地还要考虑代码库不出内网的合规要求。类似需求可以关注是否有自托管版本，或用 Claude Code + 自建脚本编排的土办法实现八成效果。

对开发者的影响

• 先盘点你手上「做不动的改造」。最适合的不是「AI 能做什么」，而是**「因为太散而一直拖着的那些」**：EOL 的语言版本、带破坏性变更的内部库升级、每个服务写法都不一样的废弃 API 替换。
• 成本模型要问清楚。买这类产品前，务必确认编码 Agent 的调用计费方式——是按仓库、按 changeset、还是按 token。路由设计省下的钱如果没体现在定价上，等于白设计。
• 把它当「PR 生成器」而不是「自动合并器」。官方口径是人工审核批准后才合并。把审核流程设计好（谁审、审什么、超时怎么办），比关注生成质量更影响落地效果。
• 小团队不必急着上。50+ PR 的规模才有明显收益；仓库数在个位数时，Claude Code 或 Codex CLI 直接跑 + 人工 review 更划算。
• Gerrit 支持是个信号。能覆盖 Gerrit，说明它瞄准的是大型传统企业（电信、汽车、金融）而非互联网初创——这类组织恰恰是改造债务最重的地方。

AI 之家 观点

1. 「路由」才是 Agent 产品化的真功夫。 行业里大多数 Agent demo 都在秀「AI 能一口气做完」，但真正能进企业采购清单的，是知道哪些活不该用 AI 干。Sourcegraph 明说「避免为一百次相同改动付编码 Agent 的钱」——这句话应该被写进每个 Agent 产品的设计文档。
2. 代码图谱正在成为 Agent 时代的基础设施。 模型会趋同，上下文不会。谁掌握「这个符号在哪些仓库被怎么用」的索引，谁就掌握了 Agent 落地的入口。这也解释了为什么 MCP 这类上下文协议在 2026 年迅速成为标配——上下文供给正在独立成一个行业。
3. 对国内团队的现实建议：先做 audits，再谈 agent。 大规模代码改造的前提是知道自己有什么。如果连「哪些仓库用了这个废弃 API」都答不上来，上 Agent 只是把混乱自动化。先把代码索引和依赖清单建起来，收益比买工具更快。

相关阅读

• 工具卡：Claude Code · Codex CLI · Devin · Cursor · Sourcegraph Agentic Batch Changes
• 概念：MCP · AI Agent · Agentic Coding · 上下文工程
• 相关资讯：AI 编程日报 2026-09-15 · GitHub HydraFusion 与 Agent 工具链浪潮

来源

• Sourcegraph Announces General Availability of Agentic Batch Changes — BusinessWire（经 Morningstar 转载）
• Sourcegraph Agentic Batch Changes 产品页

本资讯由 AI 之家 编辑部根据 Sourcegraph 官方新闻稿整理。文中客户案例（Canva 50+ PR）为厂商公开引述；定价未在新闻稿中披露，具体以官方询价为准。