「自驅型公司」來了！代碼暴增3倍，事故不增加

編輯｜Panda

沒錯，又一個新概念來了。

這一次是「自驅型公司（The Self-Driving Company）」，來自 Replit CEO Amjad Masad。

顧名思義，自驅型公司是指由人設定目標、確定優先級并承擔最終責任，而將信息收集、任務執行、結果驗證和常規協作等大量具體工作交由相互協同的 AI 智能體完成的組織形態。它并非用 AI 取代員工，而是把員工從重復性執行中釋放出來，使其更專注于戰略判斷、創造性思考和關鍵決策，從而在提升效率的同時增強業務響應速度與交付質量。

這個概念究竟意味著什么，或許還需要時間檢驗；但它顯然擊中了當下 AI 圈的討論熱點。博客發布僅一天多，瀏覽量便突破 1.1M。

原文地址：https://x.com/amasad/status/2077802290304684404

這么高的流量自然也引發了不少討論。當然，點贊居多：

有趣的是，就在這篇《自驅型公司》大熱之際，Claude Code 之父 Boris Cherny 也分享了他看到的行業現實，并將其總結成了一份《AI 采用步驟》表格。

表格中，「自驅型公司」可以說整體已進入第 3 階段「受監督的自主運行」，并在少數閉環場景中開始觸及第 4 階段「AI 原生」。

機器之心對這篇《自驅型公司》進行了整理。接下來，我們就來看看 Replit 這家 AI 應用開發公司，是如何將「自驅」從一個概念，變成實際工作方式的。

自驅型公司

我們正開始看到：當一家公司學會自主運轉時，會發生什么。

過去六個月里，Replit 的工程師將代碼產出提升了近三倍。代碼審查耗時保持穩定，回滾次數和產品事故并未增加，質量指標反而有所改善，發布節奏也更快了。人們通常擔心的那些取舍，并沒有出現。

代碼只是最直觀的部分。更有意思的變化，其實發生在水面之下。

如今，智能體會調查線上事故、審查拉取請求、回答問題、分析業務數據、分流支持工單、研究銷售客戶，并持續改進支撐 Replit Agent 本身的系統。

這感覺像是一個貫穿每位員工工作流程的單個「主智能」（master intelligence），盡管它實際上并非如此。它是一個不斷擴展的智能體系統，遍布公司各處：從人那里接收目標，收集上下文，執行任務，檢查結果，并在需要人類判斷時升級處理。

我們認為，這代表著一種新型組織的開端：自驅型公司。

自驅型公司并不意味著不再需要人。人仍然決定目的地：決定哪些問題重要，權衡困難的取舍，運用判斷與品味，并為最終結果負責。

但越來越多時候，人不再親自完成抵達目的地所需的每一個步驟。

這一轉變始于去年年底。和許多從事 AI 工作的人一樣，我們圣誕假期歸來時，強烈感到某些根本性的東西已經改變：模型能夠在更長的時間跨度內持續完成工作。

過去屢屢失敗的任務，例如告警分流和根因排查，開始變得可行。AI 也開始解決我們一些最棘手的漏洞。因此，我們不再把智能體看作只存在于編輯器或聊天窗口里的工具，而是謹慎地將其編織進公司的運作體系。

工程團隊驗證其價值后，采用迅速自發擴散。一個又一個團隊開始把最枯燥的工作交給智能體，從而騰出時間，投入真正推動業務發展的戰略思考和創造性工作。人們并不覺得自己被自動化取代了，反而感覺自己獲得了晉升。

這就是 AI 如何徹底改變 Replit 工作方式的故事。

工程團隊最先看到了影響

一月底，我們啟用了相關基礎設施，以便快速試驗內部智能體應用場景。我們利用已有的智能體運行框架、微型虛擬機和遠程文件系統，讓每位工程師都能并行編排多組智能體。

隨后，我們通過訪問策略、令牌代理、審計日志和 ZeroTrust 網絡對整套系統加以保護。到這一步，我們才有信心讓智能體訪問日常完成工作所需的各種系統：GitHub、GCP、Azure、Linear、Notion、Slack、Zendesk 等。

當智能體獲得跨系統的上下文后，生產力實現了躍升。此前失敗的實驗變得容易實現，最直接的體現就是編碼數據。

三月 Agent 4 發布前的沖刺周，通常是我們代碼產出的高峰期：會議減少，范圍明確，工程團隊進入純執行狀態——有時一天工作長達 16 小時。

但這一次不同。我們的生產力曲線以此前從未見過的方式陡然上揚，原因可以追溯到新內部智能體系統的普及。從一月初到六月底，提交的代碼行數增長了 5.8 倍。

每周變更的代碼行數：既有工作流與新的智能體工作流

其中一部分增長來自招聘本身。新智能體縮短了新員工達到穩定生產力的時間，這當然很好；但為了獲得更干凈的數據，我們可以剔除招聘因素。若只觀察固定的一組貢獻者，他們產出的代碼量仍達到此前的 2.9 倍。

傳統上，團隊規模擴大時，若能保持每位工程師的人均產出不下降，就已相當出色。而我們在團隊人數翻倍的同時，將人均產出提升到了原來的三倍。

你或許會問：這么多新增代碼由誰審查？我們是否在審查流程中制造了新的瓶頸？

答案是沒有。代碼審查延遲保持穩定，主要是因為我們也讓智能體參與了代碼審查。它現在能夠評估風險等級，只在必要時才要求第二位人工審查者介入。這意味著人工進行 PR 審查的時間已經節省了 30%，而且比例仍在上升。

既然智能體編寫和審查的代碼更多了，我們自然也該擔心質量。如果觀察 PR 回滾率和新建事故數量，趨勢都保持平穩。這意味著，相對而言，我們其實在持續改善。

原因之一是：這些流程同樣得到了智能體輔助。人工代碼審查配有智能體共同審查者，因此能捕獲更多缺陷。對事故（包括重大漏洞和實際線上事故）的調查，也有智能體協助定位根因，因此平均緩解時間（MTTM）正在縮短。

最后還要驗證：新增代碼輸入是否真正轉化為價值輸出。

歸根結底，工程團隊交付功能是為了服務用戶。我們通過 Linear 跟蹤項目，讓銷售和營銷團隊能在新功能推出時及時與用戶溝通。可以看到，隨著代碼量增加，項目完成率也顯著上升。

一支自驅型工程團隊能夠在提升質量的同時，交付更多成果。

智能體的「智能體管理者」

讓規模化循環式工程成為可能

再深入看一層，就能理解這套機制的樣子。變化最顯著的場景，出現在工程師設計出「循環」時：他們派出一組智能體，去完成可驗證的任務。

每位員工都可以使用一個管理型智能體。它能啟動多個智能體，代表你編排它們循環協作。由此產生的 PR 圖表非常獨特，例如下圖所示：

一位工程師完成了一項長期停滯的 CSS 系統遷移，并分享了經驗；另一位工程師自動化了一項遷移工作，使產品能夠實現本地化；還有工程師自動維護不穩定測試。我們的 CTO 則借助一群智能體，終于攻克了與 PSC 和文件描述符關閉有關的、最棘手的網絡問題之一。

我們對于「什么是可能的」的所有假設，都已改變。

最令人振奮的自驅案例來自 AI 團隊。他們構建了一套持續學習系統：它分析用戶反饋，提出改進建議，再結合基準測試和 A/B 測試驗證效果。Replit Agent 正在自我改進。

「自建還是采購」的討論已經改變

新的內部智能體也改變了我們對于「自建還是采購軟件」的討論。我們經常試用新的 AI 工具。采購現成方案可以幫助我們提速，我們也會持續評估市場。

但隨著自建能力增強，我們對外部工具的依賴會越來越少。

我們的內部智能體已經優于許多被視為行業領先的產品。我們剛剛停用了一個年費達七位數的 SaaS 方案，因為完全用 Replit 構建的內部應用表現更好，員工也已遷移過去。

突然之間，工具開始像是專為我們打造的。它與知識庫的深度整合，以及我們所做的定制化改造，讓其他方案顯得遜色。

更令我們意外的是，內部智能體也超過了我們評估過的垂直領域產品。一個幫助工程師分流告警、排查事故根因的工具，質量相近，但運行成本是我們智能體方案的十倍。另一個自動化滲透測試工具，發現的漏洞比我們的內部版本更少，成本卻高出十倍。

我們的兩個版本都很順利地投入了生產：一方面縮短了事故的平均緩解時間，另一方面也強化了關鍵系統抵御攻擊的能力。

我們仍在學習，模型也在持續進步。因此很明顯：這只是開始。

超越工程，進入整個公司

自驅型公司不應止步于工程團隊。Replit 的每一個職能都在發生變化。

使用率很快從工程團隊擴散開來，主要得益于 Slack 界面。公司其他同事看到工程師在 Slack 中給智能體分配任務，也開始自行嘗試。

最初最受歡迎的用法是提問。將知識庫與代碼庫當前狀態結合后，任何人都可以在無需等待工程團隊答復的情況下，澄清產品預期。隨后，他們還可以直接修正文案或文檔。這立刻提升了我們響應用戶的速度。

但這只是開始。接下來，公司各部門都開始貢獻新的技能與集成能力。

第一次重大突破來自數據團隊。他們為智能體提供了數據倉庫上的語義層，讓它知道哪些表是權威數據源，以及這些表之間如何關聯。

現在，Replit 的任何人都可以提出商業智能問題，并獲得可靠答案。他們還能基于實時數據制作圖表和演示文稿——包括本文的所有圖表。數據團隊則能把時間投入到最困難的問題上，而不是不斷處理零散的數據請求。

最近，一位產品經理能夠自行完成復雜的發布分析，因為智能體理解代碼庫中的事件、這些事件如何出現在客戶數據平臺中，以及如何將它們與復雜的訂閱狀態關聯起來。

銷售團隊也找到了同樣的杠桿。銷售開發團隊利用智能體尋找并補充產品合格線索。由于它能使用通用工具看不到的內部知識，外聯溝通更具上下文，也更有針對性。

客戶經理則用它為客戶溝通做準備：了解哪些客戶獲得了最大價值、哪些項目最活躍，以及積分使用情況與合同約定之間的關系。隨后，這些內容會被整理成面向該客戶定制、帶有品牌元素的演示文稿。

自驅型銷售團隊可以與客戶形成更多、更高質量的觸點。

左右滑動查看

營銷團隊只需一條提示詞，就能讓智能體根據工程和產品團隊的對話與文檔，從零起草產品規格說明。這使他們能夠更早地啟動發布準備，并持續掌握最新信息，而不必參加每一場會議。

他們因此有更多時間進行規劃與創作，這將確保產品發布時產生更大的影響。

支持團隊則賦予智能體調查問題、遵循標準處理流程的能力。它可以選擇使用標準客服語氣回復，也可以將問題連同工單摘要和調查結論一起升級給工程團隊。

自驅型支持團隊處理最難工單（也就是升級給人工的那些工單）的速度提高了 60%。用戶能夠更快回到創造和構建中。

在每個案例里，人都沒有被自動化取代，而是獲得了晉升。自驅模式會將執行者轉變為指揮者；真正蓬勃發展的人，是那些以結果為導向、能夠設定方向的人。

這正是當下最有價值的工作。