DEV, die Community-Seite auf der Open-Source-Codebasis Forem, hat einen Monat lang Coding-Agenten auf den eigenen Wartungsstau angesetzt. Die Ergebnisse sind für dieses Genre ungewöhnlich konkret: In einem am Montag veröffentlichten Beitrag berichtet DEV-Mitgründer Ben Halpern, die durchschnittliche Request-Zeit in Rails sei von rund 70 Millisekunden auf 16 Millisekunden gefallen, gemessen über etwa 300.000 Requests pro Tag in Better Stack.
Die begleitenden Zahlen bewegen sich gemeinsam — das ist der Teil, den man ernst nehmen sollte. Datenbankzeit pro Request: von 39 ms auf unter 12 ms. View-Rendering: von 12 ms auf 2,6 ms. Redis-Zeit: von 7 ms auf 1,3 ms. Zuvor lag die P99-Antwortzeit weite Teile des Tages über einer Sekunde; dieser Ausläufer ist das, was Nutzer tatsächlich spüren.
Der Mechanismus war kein einzelner kluger Agent. Halpern beschreibt geplante Loops auf einem selbst gehosteten OpenHands-Hub, angesteuert über das Agent Client Protocol. In 30 Tagen wurden 475 Pull Requests in Forem gemergt. Seit der Hub am 19. Oktober stand, teilt sich das in 351 autonome Merges und 93 Pull Requests, die er selbst schrieb oder vorantrieb: 172 Performance-Änderungen, 93 Testsuite-Beschleunigungen, 32 in Rust über die magnus-Bindings neu geschriebene Hot Paths, 29 Dependency-Upgrades, 20 Fixes für Produktionsfehler und 5 Umwandlungen von Issue zu Pull Request. Ein früherer, vollständig interaktiver Vorstoß Anfang Oktober brachte 31 PRs und senkte die Durchschnittslatenz nur von 70 ms auf 50 ms.
Vier Konfigurationsänderungen leisteten den Großteil der Arbeit, und jede entstand daraus, dass eine frühere Version scheiterte.
Telemetrie statt Code-Lesen. Der erste `perf-loop` las Ruby-Dateien und riet auf Engpässe — das ergab Mikro-Optimierungen, die den Graphen kaum bewegten. Die ClickHouse-Spans von Better Stack und ein Read-only-Postgres-Gateway in jeden Pre-Flight-Snapshot zu hängen — hinter einem Datenschutz-Filter — zwang jeden Vorschlag, sich gegen live gemessene Sequential Scans, ungenutzte Indizes und Compute pro Endpunkt zu rechtfertigen.
Ein Router über Modellfamilien. Die Loops starteten auf ein Modell festgelegt. Quota-Grenzen und kollidierende OAuth-Token-Refreshes trieben das Team zu einem Router mit drei Anbietern — Claude Opus 5.5, OpenAIs `codex-acp` (GPT-6.1 Sol) und Googles Gemini 4 Argon über die Antigravity-CLI —, der im Round-Robin mit achtstündiger Abklingzeit rotiert und die Modellfamilie wechselt, sobald eine PR-Reparatur scheitert.
Ein Worktree pro Loop. Acht parallele Loops in einem gemeinsamen Checkout legten jede scharfe Kante von Git und Linux offen: `git gc`-Kollisionen bei parallelen Fetches, eine veraltete `.gitconfig.lock` nach einem abgebrochenen Boot, Zombie-Prozesse, die sich stapelten, bis `tini` als PID 1 dazukam. Jeder Lauf bekommt jetzt einen Detached-HEAD-Worktree mit selbstheilender Lock-Bereinigung.
Spezialisierte Loops statt eines allgemeinen. `perf-loop` kümmert sich um ActiveRecord-Queries, Redis-Caching und View-Partials; `test-loop` parst 30 Knapsack-RSpec-Shards, um FactoryBot-Overhead zu senken; `rust-loop` ist auf einen offenen PR gleichzeitig begrenzt, damit vorkompilierte Binaries nicht kollidieren, und wird mit Differential-Specs über 1.000 Eingaben geprüft; `error-loop` und `deps-loop` tragen strikte Filter. Die Loops laufen in 10-Minuten-Ticks am Tag (7–19 Uhr ET), am Wochenende mit Viertel-Kadenz und 5/10/20/40-Minuten-Backoff bei PR-Checks. Deterministische Python-Gates sitzen vor jedem Cron, damit eine leere Queue in zwei Sekunden endet und null Tokens verbraucht. Ein Reviewer aus einer anderen Modellfamilie prüft die Blast Radius und merged risikoarme Performance- und Test-PRs automatisch, sobald CI grün ist.
Was das nicht ist: ein kontrollierter Benchmark. Es ist ein Operator, eine Codebasis und selbst berichtete Zahlen, ohne externe Prüfung. Die Schlagzeile ist außerdem serverseitige Request-Zeit in Rails, nicht das vollständige Seitenladen im Browser — Netzwerk, Assets und Drittanbieter-Skripte liegen außerhalb der 16 ms.
Die interessante Behauptung ist enger als "Agenten schreiben jetzt euren Code". Sie lautet: Die Wartungsschicht — Query-Pläne, Testsuiten, Dependency-Bumps, Portierungen heißer Pfade — ist messbar genug, dass ein Loop automatisch benotet und verworfen werden kann, wenn sich der Graph nicht bewegt. Genau das ist die Bedingung, unter der Autonomie aufhört, ein Glücksspiel zu sein, und zu einer Warteschlange wird.

