在大型代码库中寻找性能优化点，通常需要工程师投入大量时间阅读、分析和验证。Google 近日在开源项目 google/adk-python 上进行了一次不同寻常的尝试：让 AI 模型承担这一过程。

据披露，Google 工程师使用 Gemini 4 Argon 对该代码库执行了长达 11 小时的无人值守优化任务。该代码库规模约为 20 万行 Python 代码，模型在运行期间自主分析并提出了 6 项优化建议。

这些建议并非全部被采纳。经过人工审查后，其中 2 项优化被合并进入代码库。实际效果显示，长会话内存会话准备时间降低约 40%，包导入速度加快 21%。

此次实践的意义在于验证了 AI 模型在真实生产代码库中长时间自主工作的可行性，同时也表明人工审查仍是必要环节——6 项提议中仅 2 项最终落地。对于关注 AI 辅助软件工程的团队而言，这一案例提供了关于效率提升与质量把控之间平衡的参考。