本文为中文翻译整理；图表与截图保留原文英文。

在过去六个月，Replit 的工程师代码输出量几乎翻了三倍，审查时间保持稳定，回滚和产品事故持平，质量指标改善，发布速度加快。所有你可能预期的典型权衡都没有出现。（注：Replit是一个用AI开发软件产品的平台）

虽然代码是可见部分，但表面之下发生的事更有趣。

代理现在调查生产事件、审查拉取请求、回答问题、分析业务数据、分类支持票据、研究销售账户，并改进 Replit Agent 自身系统。

它感觉像是一个贯穿每个员工的单一主智能，尽管并非如此。它是一个不断扩展的代理系统，在公司范围内运作：从人那里获取目标、收集上下文、执行工作、检查结果，并在需要人类判断时升级。

我们认为，这代表了一种新型组织的开端：自驾公司。

自驾公司不是没有人的公司。人仍然选择目的地。他们决定哪些问题重要、做出困难权衡、发挥品味，并对结果负责。但他们越来越不需要亲自执行抵达目的地所需的每一步。

这一转变始于去年年底。像许多从事 AI 工作的人一样，我们从圣诞假期回来后，感觉有些根本性的东西发生了变化。模型能够在更长的时间跨度上持续工作。

此前反复失败的任务——例如警报分类和根本原因调查——开始奏效。AI 开始解决我们最顽固的 bug。于是，我们不再把代理视为只生活在编辑器或聊天窗口中的工具，而是小心地把它们编织进公司结构本身。

工程团队证明价值后，采用就开始自发扩散。一个又一个团队把最乏味的工作卸载出去，重新腾出时间，用于真正推动业务的战略与创造性思考。人们没有感觉被自动化，而是感觉被晋升了。

这就是 AI 如何彻底改变我们在 Replit 工作方式的故事。

工程团队最先感受到影响

一月底，我们加强了基础设施，以便快速试验内部代理用例。我们利用代理框架、微虚拟机和远程文件系统，让任何工程师都能并行编排代理群。随后，我们又把整个系统置于访问策略、令牌代理、审计日志和 Zero Trust 网络之后。

此时，我们觉得可以安全地让代理访问完成工作所需的一切：GitHub、GCP、Azure、Linear、Notion、Slack、Zendesk 等。

有了跨系统的上下文，生产力实现飞跃。此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上。

我们当时正处于三月 Agent 4 发布前的冲刺周，通常都会出现一次大爆发。但这次不同。生产力曲线以前所未有的方式向上弯曲，而且可以追溯到新内部代理系统的采用。从一月初到六月底，贡献代码行数增加了 5.8 倍。

部分增长可以归因于招聘了优秀人才。新代理确实缩短了新人达到生产力的时间，但我们可以去除招聘影响，得到更干净的数据。保持一致的作者队列后，我们看到代码量达到此前的 2.9 倍。

传统上，团队扩张时还能维持人均输出不变，就已经被认为非常出色。而我们在团队规模翻倍的同时，把人均产出速率提升了三倍。

你可能会问：谁来审查所有这些新增代码？我们是否只是制造了一个新的审查瓶颈？

我们的代码审查延迟保持平稳，主要原因是我们让代理参与审查。它现在能够评估风险等级，只在必要时才调用第二位人类审查者。这意味着 30%（而且还在增长）的人类 PR 审查时间被节省下来。

随着代理编写和审查更多代码，我们理应担心质量。可是，如果观察 PR 回滚率和新开的事件，趋势仍然平稳。这意味着，从相对意义上看，我们实际上在改善。

一个原因是，这些流程本身也得到了代理辅助。人类代码审查有代理共同审查，因此能捕捉更多 bug；事件调查——无论是有意义的 bug 还是实际生产事件——也由尝试寻找根本原因的代理协助，因此平均缓解时间正在下降。

最终的检验，是额外的代码输入是否代表真实的价值输出。归根结底，工程团队的目标是为用户交付功能。我们在 Linear 中跟踪项目，以便销售和营销团队知道何时向用户沟通新功能。可以看到，项目完成率随着编码量一起急剧上升。

自驾工程团队能够交付更多，同时提高质量。

“代理的代理”：让循环式工程规模化

放大来看，当工程师找到生成循环的方法——派遣代理舰队去完成可验证任务——我们会看到最戏剧性的变化。每位员工都能访问一个可生成多个代理的管理器代理，由它代替你编排代理循环。

这些循环产生了一些非常独特的 PR 图表。

一位工程师完成了长期停滞的 CSS 系统迁移，并分享了经验；另一位工程师自动化了一次迁移，使产品本地化成为可能；还有一位自动化了易变测试的维护。我们的 CTO 也借助代理群，终于攻克了与 PSC 和 fd 关闭有关的最棘手网络 bug。

我们对于“什么是可能的”所持有的全部假设，都发生了变化。

最令人兴奋的自驾案例来自 AI 团队。他们构建了一个持续学习系统：分析用户反馈、提出改进，再用基准测试与 A/B 测试验证成效。Replit Agent 正在自我改进。

“自研还是购买”的讨论已经改变

我们会定期试用新的 AI 工具。购买现成解决方案可以帮助我们更快行动，我们也一直在评估市场。但我们自己构建得越多，需要购买的就越少。

我们的内部代理如今已经超过了我们测试过的一些市场领先产品。我们刚刚取消了一个价值七位数的 SaaS 解决方案，因为完全用 Replit 构建的内部应用更好，员工也已经迁移过去。

工具突然开始真正像是为我们量身打造的。它与知识库的深度集成，以及我们所做的定制，让其他解决方案显得逊色。

更令我们惊讶的是，内部代理还击败了我们评估的垂直领域产品。一个帮助工程师分类警报、调查根本原因的工具，质量相近，但运行成本是我们代理的 10 倍；一个自动化渗透测试工具发现的漏洞更少，成本却同样高出 10 倍。两个内部版本都轻松投入生产，缩短了事件缓解时间，也强化了关键系统的防御。

考虑到我们仍在学习，而模型也在持续进步，很明显，这仅仅是开始。

从工程扩展到整个业务

自驾公司不会止步于工程团队。Replit 的每一个职能都在发生变化。

使用迅速从工程团队扩散出去，主要是通过 Slack 接口。公司其他人看到工程师给代理分派任务，也开始自己尝试。

最初最受欢迎的用例是提问。通过结合知识库与代码库的当前状态，任何人都可以澄清产品预期，而不必等待工程团队回复；随后，他们还能继续修正文案或文档。

这立刻提升了我们响应用户的速度。

但这只是开始。此后，公司各处开始贡献新的技能和集成。

第一个重大解锁来自数据团队。他们为代理提供了数据仓库的语义层，使它知道哪些表是真实来源，以及这些表之间如何关联。

现在，Replit 的任何人都能提出商业智能问题并获得可靠答案。他们可以使用实时数据构建图表和演示——包括本文中的所有图表。数据团队因此能够把时间用在最困难的问题上，而不是不断响应请求。

最近，一位产品经理自助完成了复杂的发布分析，因为代理理解代码库中的事件、这些事件如何体现在客户数据平台中，以及如何与复杂的订阅状态连接。

销售团队也获得了类似的杠杆。销售开发团队使用代理寻找并丰富产品合格线索，调用通用工具看不到的内部知识，使外展更有上下文。客户团队则用它准备客户沟通：了解谁获得了最多价值、哪些项目最活跃、信用使用如何匹配合同。随后，这些信息会被打包成面向具体账户、带有品牌设计的定制幻灯片。

自驾销售团队可以与客户产生更多、质量更高的触点。

营销团队可以从一个提示开始，让代理根据工程、产品团队之间的对话与文档，起草产品规格和发布材料。这使他们可以更早启动发布工作、持续保持信息更新，而不必参加每一场会议。他们拥有更多时间去规划和创造，从而让产品发布在进入市场时产生更大影响。

支持团队则赋予代理调查问题、遵循标准处置手册（playbook）的技能。它可以选择用标准客服语气直接回复，也可以把票据摘要与调查结果一起升级给工程团队。

自驾支持团队处理最难工单——即最终升级给人类的工单——速度快了 60%。用户能够更快回到构建工作中。

在每一个例子中，人类都没有被自动化取代，而是获得了晋升。自驾把执行者变成导演；如今最有价值的工作，是思考成果并设定方向。

下一步是什么？

提升自身生产力令人兴奋，但真正激励 Replit 人的，是让技术更加民z化。

我们希望把这种新的工作方式带给所有用户。我们正在努力确保，它能够在所需的策略、权限、安全与成本控制之下大规模部署。

Replit 最活跃的用户，是正在构建真实业务的创业者和企业用户。自驾需要能够随这些用户一起扩展的安全措施，而我们现在正在构建这些能力。

鉴于上面的所有图表，你无需等待太久。