一个人5天拿下GitLab黑客松：我做了个能算碳排放的AI

全球6971人参赛、奖金池6.5万美元的GitLab Duo Agent Platform黑客松2026刚落幕，一个零GitLab经验的独立开发者凭两个YAML文件拿下可持续代理类别荣誉提名。这个项目叫Carbon Tracker，专门干一件没人干过的事：自动计算CI/CD流水线的碳排放量。

灵感来自一次失败的流水线复盘。作者盯着第三次重试的构建记录突然想到：这得浪费多少电？搜遍GitLab功能、第三方插件、开源项目，零结果。开发者天天优化构建速度、测试覆盖率、代码质量，但基础设施的碳足迹完全是盲区。

Carbon Tracker的核心设计极简：三个代理串行协作，无服务器、无数据库、零运维。用户在Issue或MR里@ai-carbon-tracker-flow，Agent 1（pipeline_fetcher）抓取作业名称、时长和状态；Agent 2（carbon_calculator）套用能耗模型识别浪费模式，生成完整报告；Agent 3（report_publisher）把结果贴成评论。真正的多代理编排，不是聊天机器人。

计算逻辑一句话：服务器耗电，电产生碳。已知作业运行时长，就能算出排放量。具体公式：能耗（千瓦时）=（秒数÷3600）×（150瓦÷1000）；碳排放（克）=能耗×475（国际能源署2024全球均值）；重试浪费按CO2_job×(1+重试次数)累加。150瓦取的是典型共享GitLab Runner功耗，475克/千瓦时对应全球电网平均碳强度。

实测案例：一个45分钟的单元测试作业，0.75小时×150瓦=112.5瓦时，折合0.1125千瓦时，乘475得53.4克二氧化碳，相当于开车0.35公里。这是单作业、单流水线、单天的数据。

开发过程中，系统曾在作者的MR上自动贴出真实报告：Pipeline #2405610327检测到三项浪费模式——单元测试里的人工休眠占77%总排放，仅配置变更触发完整流水线浪费1.56克，非生产分支误执行部署浪费0.059克。给出的修复建议包括用真实测试替换休眠、为配置变更添加路径规则、限制部署仅主分支触发。

整个项目就两个YAML文件。作者用5天从GitLab小白到黑客松获奖，验证了一个被忽视的需求：当软件吞噬世界，写代码的环境成本终于可以被看见了。