昨天(2026-08-31)DoltHub 发了个 beta,叫 DoltLite。看名字就知道是 SQLite 的 fork,带 Git 式版本控制、branch、merge、diff 一应俱全。
但有个数字刺眼:
"...built with 2k agent PRs"
代码不是人写的。约 2,000 个 PR,全是 AI Agent 提的。
Hacker News 上 22 分,4 条评论。冷清,但又上首页了。我盯着这事儿看了一下午,越看越觉得有意思。
DoltLite 是什么:SQLite + Git,这次代码不是人写的
DoltHub 之前做的 Dolt 是 MySQL 路线——正经的企业市场,分布式 SQL,CI/CD 集成一整套。DoltLite 切了另一条路:fork SQLite,单文件嵌入式,本地优先。
本质差别:Dolt 是"Git for MySQL",DoltLite 是"Git for SQLite"。后者更轻,适合单机、CLI、嵌入式场景。
# 官方 README 的基本用法
$ dolt init
$ dolt sql -q "CREATE TABLE users (id INT PRIMARY KEY, name VARCHAR(64))"
$ dolt add . && dolt commit -m "init"
$ dolt branch feature-x && dolt checkout feature-x
$ dolt sql -q "INSERT INTO users VALUES (1, 'alice')"
$ dolt commit -am "add alice"
$ dolt checkout main && dolt merge feature-x
API 你熟,SQLite 的 SQL、CLI 命令、文件格式全继承。开发者迁移成本几乎为零。
重点是开头那句话——代码全部由约 2,000 个 AI Agent PR 协作完成。不是某个 demo 跑通某个 benchmark,是 fork 了一个真实在用的数据库引擎并改了一版。
2,000 个 PR 怎么凑出来的:Agent 协作流水线长什么样
DoltHub 没说 Agent 怎么组织的——博客里没提调度框架,也没说是 LangGraph 还是 CrewAI 还是裸脚本。
但你可以从 PR 数量反推一些事:
- 2,000 个 PR 对一个 SQLite fork 来说,数量偏多。SQLite 主仓一年 PR 也就几百。2,000 PR 里有大量是机械性工作:重命名、补注释、修 lint、写 test、写 docstring。
- 平均每个 PR 的代码量应该很小。按行业里 Agent 写代码的常见统计(之前 Devin 公开的 case),单 PR 平均改动 50-200 行。2,000 × 150 ≈ 30 万行改动——对一个 SQLite fork 来说,远超正常迭代量。
- 大量 PR 是冗余的。多个 Agent 独立做类似的事,最后人(或一个上游 Agent)合并筛选。
所以"2,000 PR"这数字的水分不小。它更像"Agent 群投了 2,000 次票",不是"2,000 个独立开发者贡献了 2,000 个独立 feature"。
DoltHub 可能用的方案(猜的,未证实):
# 一个常见的 Agent swarm 调度模式
async def dispatch_task(issue):
candidates = await swarm.run(issue, n_agents=5) # 5 个 Agent 并行解同一题
ranked = await judge.rank(candidates) # 一个 judge Agent 选最优
return ranked[0].to_pull_request()
每个 issue 派 3-5 个 Agent 跑,挑最好的提 PR。2,000 个 PR 大概对应 400-700 个真实 task。
这个模式现在很普遍:Anthropic 内部工具、CrewAI 文档例子、LangGraph 的 swarm cookbook 都是这思路。
为什么挑 SQLite 而不是继续做 MySQL:DoltHub 的算盘
Dolt 走 MySQL 几年了,商业化进展一般。DoltLite 切 SQLite,我猜有三个原因:
- AI 本地推理场景爆发。Llama、Qwen、Mistral 这些开源模型跑本地,配套存储是 SQLite。Llama.cpp 的官方文档现在都推荐 SQLite 做 metadata 存储。如果 AI 客户端变成"本地模型 + 本地数据",SQLite 是默认后端。
- Dolt 的负担太重。MySQL 协议、binlog、主从复制……这些东西在 AI 场景里全是阻力。SQLite 单文件、零配置,Agent 友好。
- 赌 MCP / Agent 工具链。Model Context Protocol 这套生态里,SQLite 比 MySQL 好集成太多。Claude Desktop、Cursor 这些客户端内置的数据库工具几乎都是 SQLite。
DoltHub 不是在做"更好的 Dolt",是在抢"AI Agent 默认的版本化数据库"这个位置。这条路比 Dolt 当年走 MySQL 替代品要聪明。
HN 22 分、4 条评论:社区为什么反应冷淡
22 分上 Hacker News 首页不算低。4 条评论就明显偏少了——一般首页热门帖前 4 小时能有 50-200 条评论。
可能的原因:
- 可信度还没被验证。"2,000 个 Agent PR"是个诱人的标题,但没人(包括我)能独立审计这些 PR 的质量。社区在等 DoltHub 公开更多数据。
- 跟 SQLite 上游关系没说清。DoltLite fork 了 SQLite,那 SQLite 官方的 license(公有领域)没问题,但贡献怎么回上游?Agent 写的代码版权算谁的?这是个未爆弹。
- 大家都还在观望。这种"群体 Agent 写大项目"的案例太少,没法横向对比,谨慎是正常的。
也有可能只是 timing——周一发的工作日帖子,跟帖没起来。
这事跟之前的 AutoGPT / Devin 有什么不同
过去两年 Agent 写代码的故事,分两类:
- demo 类:AutoGPT 演示让 Agent 自己开公司、Devin 演示修 GitHub issue、SWE-bench 上的 Agent 跑分。
- 单文件任务类:Cursor 写个 function、v0 生成个组件、Cline 改个 bug。
DoltLite 是第三类——群体 Agent 在一个真实的大项目上协作,产出可运行的产品代码。
差别在哪?
- AutoGPT 那种是 Agent 单挑,写个 todo app 就结束了。
- DoltLite 这种是几百个 Agent 在同一棵代码树上协作,需要解决合并冲突、风格统一、API 一致性。
- 单 Agent 串行可以靠 prompt 调优;多 Agent 并行需要调度框架、评判机制、合并策略。
它不是又一个玩具 demo,是群体 Agent 工程化的第一个像样案例。
但这里有个坑我没想通——SQLite 这种成熟的 C 代码库,Agent 写得了多少?大概率 2,000 PR 里有 80% 是 docstring、test、build script、C binding wrapper 这种"周边代码"。核心的 VDBE、query planner、B-tree 实现,Agent 写得了吗?我持怀疑态度。
编辑思考
这件事重要,是因为它是第一个公开的、大体量的"Agent 群协作产出可生产代码"的样本。之前所有的 Agent 写代码案例,要么是 demo,要么是单文件任务。DoltLite 是 fork 一个真实数据库引擎并发布 beta。
但我有几个怀疑:
第一,2,000 PR 这个数字被高估了实际工作量。按 Agent 写代码的常见模式(每个 task 派 3-5 个 Agent 跑,挑最好的),2,000 PR 对应的真实 task 数量可能是 400-700。"协作"这个词被稀释了。更准确的说法是"Agent swarm 投了 2,000 次票,最后挑出来的"。
第二,Agent 在 DoltLite 里到底写了什么?大概率大量是 test、doc、build script、example、type stub 这些"周边"。核心的 SQLite 内核——VDBE、query planner、B-tree——Agent 能改多少?DoltHub 没公开这个比例。如果不公开,"Agent 写了一个数据库"就是个营销话术。
第三,"开发者贡献"的定义需要重新想。以前我们说"贡献者",是指提交代码并被合并的人。现在如果一个 Agent swarm 投了 5 个 PR,最后只合 1 个,那这算 5 个贡献还是 1 个贡献?DoltHub 的 PR 计数方式如果跟传统开源项目混在一起用,会污染贡献者排行榜和 commit 统计。
我的判断:DoltLite 是AI 群开发的开端,但还不是成熟形态。下一波要看——Agent 群能不能在全新项目(不是 fork 现有项目)上从零做到 1.0。如果能做到,DoltLite 这种案例才真正算里程碑。在此之前,它是好看的工程实验,不是范式转移。
不确定的地方:DoltHub 没公开 Agent 调度的具体细节(用啥框架、多 Agent 怎么冲突解决、judge 模型是啥),没法独立复现。等他们公开这部分数据再下结论更稳。
参考来源: