自我驱动公司（10分钟阅读）

# Replit — 自主运行的公司 来源：https://replit.com/blog/self-driving-company 过去六个月里，Replit 的工程师们产出的代码量几乎翻了三倍。评审时间保持稳定，回退率和产品事故数也未增加。质量指标持续改善，发布节奏加快。那些人们通常担心的权衡取舍并没有出现。 虽然代码是看得见的部分，但表面之下发生的变化要有趣得多。 如今，智能体在事故调查、拉取请求评审、问题解答、业务数据分析、工单分类、销售账户调研，以及改进支撑 Replit Agent 本身的系统等方面都发挥着作用。 这感觉就像有一个贯穿所有员工的单一主智能体，尽管事实并非如此。它是一个不断扩展的系统，由遍布公司的智能体组成：从人类那里获取目标，收集上下文，执行工作，检查结果，并在需要人类判断时升级处理。 我们认为这代表了一种新型组织的开端：自主运行的公司。 自主运行的公司并非没有人的公司。人仍然选择目的地。他们决定哪些问题重要，做出困难的权衡，展现品味，并对结果负责。 但越来越多地，他们不再执行到达目的地的每一步。 这一转变从去年年底开始。和许多从事人工智能工作的人一样，我们从圣诞假期回来后感觉某种根本性的东西已经改变了。模型能够在更长的时间跨度内持续工作。 那些反复失败的任务，比如告警分类和根本原因调查，开始奏效。AI 开始解决我们一些最顽固的 Bug。于是，我们不再把智能体当作存在于编辑器或聊天窗口中的工具。我们小心翼翼地将其编织进公司本身的架构中。 一旦工程部门证明了其价值，采用的浪潮便自然蔓延开来。一个又一个团队开始将最繁琐的工作外包出去，把时间重新投入到真正推动业务前进的战略性和创造性思考中。人们并不觉得自己被自动化了，而是感觉自己被升职了。 这就是 AI 如何彻底改变了 Replit 工作方式的故事。 ### 工程部门最先感受到了影响 一月底，我们搭建了基础设施，以便快速进行内部智能体使用场景的实验。我们利用智能体框架、微型虚拟机和远程文件系统基础设施，任何工程师都能并行编排智能体集群。然后，我们通过访问策略、令牌代理、审计日志和零信任网络将所有内容锁定起来。此时，我们才放心地让智能体访问我们完成工作所需的所有系统：GitHub、GCP、Azure、Linear、Notion、Slack、ZenDesk 等。 有了跨系统的上下文，我们看到了生产力的飞跃。之前失败的实验变得轻而易举。最直接的影响体现在编码统计数据上。 当时正值三月份 Agent 4 发布前的冲刺周，通常我们会看到大幅峰值。会议消失，范围明确，工程部门进入纯粹的执行模式（通常每天长达 16 小时）。但这次不同。我们的生产力曲线以前所未见的方式向上弯曲，这可以追溯到我们新内部智能体系统的采用。从一月初到六月底，贡献的代码行数增长了 5.8 倍。 新智能体输出超越了现有智能体 这一增长部分归功于良好的招聘。新智能体缩短了达到生产力所需的时间，这很棒，但我们可以去除招聘因素的影响以获得更清晰的数据。保持稳定的贡献者群体，我们看到代码量是之前的 2.9 倍。通常，在团队扩张时保持人均产出不变就被认为很出色了。我们却在团队规模翻倍的同时，将人均产出提高了三倍。 工程师产出更多 你可能会想谁来评审所有这些新代码，我们是否在评审过程中制造了新的瓶颈。我们的代码评审延迟保持稳定，很大程度上是因为我们让智能体参与代码评审。现在它能够评估风险级别，仅在必要时才召入第二名人类评审员。这意味着 30%（且仍在增长）的人类拉取请求评审时间被节省了下来。 更多拉取请求由智能体批准 随着我们的智能体编写和评审更多代码，我们当然应该担心质量。查看拉取请求回退率（左图）和已发生的事故数，趋势是平稳的。这意味着我们实际上在相对基础上有所改善。 回退率表现更好 原因之一是这些过程也获得了智能体的辅助。人类代码评审有智能体共同评审者的帮助，因此更多 Bug 被捕获。事故调查（有意义的 Bug 或实际事故）由智能体协助，它会尝试找出根本原因，因此平均缓解时间在下降。 事故数稳定，迁移更快 最终的检验是额外的代码输入是否代表了真正的价值输出。归根结底，工程部门是在为用户交付功能。我们在 Linear 中跟踪项目，以便销售和市场团队知道何时就新功能与用户沟通。你可以看到项目完成率与我们的编码量一起急剧上升。 工程产出翻了三倍 自主运行的工程团队能够交付更多代码，同时提高质量。 ### 我们的智能体集群正在实现大规模循环工程 放大来看，我们可以了解这具体是什么样子。当工程师找到生成循环的方法，派遣一群智能体去完成可验证的任务时，我们看到最显著的变化。每位员工都能访问一个管理器智能体，它可以衍生出多个智能体，从而能够代表你编排在循环中工作的智能体集群。循环导致了一些非常独特的拉取请求图，比如这些： 每名工程师的产出更多 一位工程师完成了我们 CSS 系统长期停滞的迁移，并分享了他的经验。另一位工程师自动化了一项迁移，使我们能够实现产品本地化。还有一位工程师自动化了不稳定测试的维护工作。我们的首席技术官终于用一群智能体破解了我们最难的一个网络 Bug，涉及 PSC 和文件描述符关闭。我们所有关于可能性的假设都改变了。 不再需要 emotion CSS 映射代码库 最令人兴奋的自主运行示例来自我们的 AI 团队。他们构建了一个持续学习系统（https://x.com/pirroh/status/2074118901143679414），该系统分析用户反馈，提出改进建议，并使用基准测试和 A/B 测试的组合来验证成果。Replit Agent 正在自我改进！ 自我改进的 Agent ### 自建与购买之间的讨论发生了变化 我们新的内部智能体也改变了关于是自建还是购买软件的讨论。我们定期试用新的 AI 工具。购买解决方案可以帮助我们加快速度，同时我们也在持续评估市场。但自建得越多，我们就越不需要购买。我们的内部智能体现在已经超越了我们在测试中认为处于市场领先地位的产品。我们刚刚取消了一个价值七位数的 SaaS 解决方案，因为在 Replit 上完全自建的内部应用更优秀，而且员工已经迁移了过来。 突然间，工具感觉像是为我们量身定做的。与我们的知识库深度集成以及我们所做的定制化，使其他解决方案相形见绌。 更让我们惊讶的是，我们的内部智能体甚至击败了我们评估过的特定垂直领域产品。用于帮助工程师对告警进行分级并找出事故根因的工具，质量相似，但成本是在我们智能体上运行的 10 倍。用于运行自动渗透测试的工具发现的漏洞比我们内部版本更少，成本却高出 10 倍。我们的两个版本都轻松投入生产，缩短了事故的平均缓解时间，并加固了关键系统以防止攻击。 sev2 示例 pr open 4 鉴于我们仍在学习很多东西，而且模型在持续改进，很明显这仅仅是开始。 ### 超越工程，进入整个业务 自主运行的公司并不止步于工程部门。Replit 的每个职能部门都在发生变化。 智能体的使用很快从工程部门扩散开来，主要是因为 Slack 界面。公司其他部门注意到工程师用代理标记任务，于是也自己尝试了。最初，最常见的用例是提问。通过结合我们的知识库和代码库状态，任何人都能澄清产品预期，而无需等待工程部门输入。随后，这些员工可以直接修复文案或文档。这立竿见影地提高了更快响应用户的能力。 andrew 示例 ethan 示例 但这只是开始。此后，新技能和集成的贡献开始来自公司的各个角落。 第一个重大突破来自我们的数据团队。他们为智能体提供了数据仓库的语义层，使其知道哪些表是事实来源以及它们如何相互关联。 现在，Replit 的任何人都可以提出商业智能问题并获得可靠的答案。他们可以使用实时数据制作图表和演示文稿（包括本文中的所有图表）。数据团队可以把时间花在解决最困难的问题上，而不是被动响应请求。最近，一位产品经理能够自行完成复杂的发布分析，因为我们的智能体理解代码库中的事件、它们如何出现在客户数据平台中，以及如何将这些与复杂的订阅状态进行关联。 多图表 自主智能体 销售部门也发现了同样的杠杆作用。销售开发团队使用智能体来发现和丰富符合产品条件的潜在客户，利用更通用工具无法看到的内部知识，因此对外联系时能提供更多背景信息。客户主管用它来准备客户对话，了解谁获得了最多价值，哪些项目最活跃，以及信用使用情况如何与合同挂钩。所有这些都会被打包成针对该账户定制的品牌幻灯片。自主运行的销售团队与客户有更多、更高质量的接触点。 幻灯片示例 1 16天 216 个应用 42 活动与消费示例幻灯片 我们的市场团队能够使用智能体，仅凭一个提示，根据工程和产品部门之间的对话和文档，从零起草产品规格。这使他们能够更快开始启动发布，并保持最新状态，无需参加每一次会议。他们有更多时间进行规划和创意，这将确保我们的发布在世界范围内产生更大影响。 Nick Mclachlan SEO 智能体 我们的支持团队为智能体赋予了调查问题和遵循标准行动手册的能力。它可以选择用我们标准的客户服务语气提供回复，或者将工单连同调查摘要一起升级给工程部门。自主运行的支持团队处理最困难工单（那些升级给人类的）的速度提高了 60%。用户能够更快地回到构建工作中。 工单时间减半 在每个例子中，人类并没有被自动化淘汰。他们被升职了。自主运行将执行者变成了指挥者，而那些能够思考结果并设定方向的人正在蓬勃发展。这才是当前最有价值的工作。 ### 下一步是什么？ 提高自身效率固然令人兴奋，但真正激励 Replit 员工的是技术民主化。 我们希望将这种新的工作方式带给所有用户。我们正在努力确保能够通过必要的策略、权限、安全和成本控制来实现这一点，以便大规模部署。Replit 最活跃的用户是在构建真实业务的企业家和企业用户。自主运行需要能够扩展到满足这些用户需求的安全措施。 我们正在努力构建这一切。 鉴于上面的所有图表，你不会等太久。