我们源代码的近三分之一是评论。我删除了所有评论，让一个AI代理在两个版本的代码库上构建相同的功能，每个版本运行三次。它写出的代码在有评论和没有评论的情况下都同样好。如果你在真实的代码库上使用代理，并想知道评论是否对它们有帮助、是否会减慢它们的速度，或者根本无关紧要，以下是我的发现。为什么我会尝试这个。在这个视频中（大约23:07），Lauren提到他们不让代理在代码中写评论。我们的代码库则正好相反：充满了评论，其中大多数是由代理编写的。于是我想知道：所有这些评论是在帮助代理，还是只是它需要阅读的额外文本？实验的一段话：我制作了一个删除所有评论的代码库副本，总共约168,000行。然后我给这个代理在两个副本上执行相同的任务，每个副本运行三次，并以相同的方式检查结果。我为两个任务做了这个，一个小任务和一个大任务。结果：每次运行都通过了所有检查：lint、类型检查和现有测试；此外，在大任务中，还有一个代理从未见过的隐藏测试。一个独立的AI评审员在不知道每个结果来自哪个副本的情况下评估了每个结果（关于这一点更多说明如下）。小任务：平铺所有打开的窗口（总分19分） 分支 分数 代币 成本 有评论 18.3 2.18M $1.42 没有 19.0 1.71M $1.04 大任务：保持窗口在最上方（总分23分） 分支 分数 代币 成本 有评论 21.7 9.06M $3.84 没有 22.0 9.12M $3.95 这些数字是三次运行的平均值。分数差异在噪声范围内，大任务的成本也是如此。在小任务中，代理在没有评论的情况下大约使用了22%的代币，合理：阅读的内容确实少了。大任务有一个陷阱。固定状态必须在页面重新加载时保持有效，而保存窗口会话的PHP函数会丢弃它不知道的任何键。错过这个，特性在重新加载之前看起来正常。这正是你期望评论能帮助的地方。所有六次运行都找到了这个问题，无论有没有评论。为什么一次运行是不够的：我最初计划每个分支仅运行一次。我很高兴我没有。在大任务中，带有评论的三次运行分别使用了8.21M、8.79M和10.17M代币。没有评论的三次运行分别使用了7.01M、9.70M和10.64M。如果我从每个分支选择一次运行，我可能会写两篇相反的博客文章。将10.64M与8.21M进行比较，去掉评论使代理的成本增加了30%。将7.01M与10.17M进行比较，它使代理的成本降低了31%。同一任务，同一代码，同一天。代理不是确定性的。如果你在测量一个，运行多次。如何运行：代理：Claude，使用Opus 5.5高强度运行。每次运行使用相同的模型和设置。两个代码库：我们的主分支及一个删除了评论的副本。我编译了两个，并检查了结果代码是否相同。唯一剩下的评论是工具运行所需的，例如lint指令和插件头，大约800行。任务：两个真实功能，在两个分支上使用相同的提示。检查：项目自己的lint、类型检查和测试。在大任务上，我还添加了一个代理完成后才显示的隐藏测试，这样它就不能写出特定代码以通过测试。评审员：一个独立的Claude会话阅读每次更改并根据运行前编写的核对表进行评分：它是否有效，是否遵循项目的惯例，是否有测试，等等。更改被标记为随机名称，因此评审员不知道每个更改来自哪个分支。运行：每个任务每个分支三次，交替进行，以便时间因素对两个分支的影响相等。我的结论是：对于代理而言，代码注释对其编写的代码质量没有影响。它们既没有帮助，也没有伤害。因此，保留评论或删除评论应基于其对阅读代码的人所起的作用，而不是对代理的影响。这并不证明评论没有影响。我测试了一个模型、两个任务和每个分支三次运行，这足以排除大型影响，而不是小影响。下一步：评论没有影响，但删除我们的docs/文件夹和AGENTS.md就有了。这是下一篇文章。附录：数据和链接：带评论的代码库；没有评论的代码库；已删除的内容完全是（GitHub可能只显示其中一部分）；两个小任务运行的拉取请求：有评论，PR 974；没有评论，PR 975；所有运行的完整结果：结果页面。如果你想查看实验脚本和评分标准，它们都在这里。代码行数，使用scc测量：有/没有。整个代码库765,491 597,332。插件源代码408,527 280,421。插件源代码是指在插件中交付的代码（src/、includes/、apps/和CSS），不包括测试、文档或工具。