「自驱型公司」来了！代码暴增3倍，事故不增加

来源：市场资讯

（来源：机器之心）

编辑｜Panda

没错，又一个新概念来了。

这一次是「自驱型公司（The Self-Driving Company）」，来自 Replit CEO Amjad Masad。

顾名思义，自驱型公司是指由人设定目标、确定优先级并承担最终责任，而将信息收集、任务执行、结果验证和常规协作等大量具体工作交由相互协同的 AI 智能体完成的组织形态。它并非用 AI 取代员工，而是把员工从重复性执行中释放出来，使其更专注于战略判断、创造性思考和关键决策，从而在提升效率的同时增强业务响应速度与交付质量。

这个概念究竟意味着什么，或许还需要时间检验；但它显然击中了当下 AI 圈的讨论热点。博客发布仅一天多，浏览量便突破 1.1M。

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

这么高的流量自然也引发了不少讨论。当然，点赞居多：

有趣的是，就在这篇《自驱型公司》大热之际，Claude Code 之父 Boris Cherny 也分享了他看到的行业现实，并将其总结成了一份《AI 采用步骤》表格。

表格中，「自驱型公司」可以说整体已进入第 3 阶段「受监督的自主运行」，并在少数闭环场景中开始触及第 4 阶段「AI 原生」。

机器之心对这篇《自驱型公司》进行了整理。接下来，我们就来看看 Replit 这家 AI 应用开发公司，是如何将「自驱」从一个概念，变成实际工作方式的。

自驱型公司

我们正开始看到：当一家公司学会自主运转时，会发生什么。

过去六个月里，Replit 的工程师将代码产出提升了近三倍。代码审查耗时保持稳定，回滚次数和产品事故并未增加，质量指标反而有所改善，发布节奏也更快了。人们通常担心的那些取舍，并没有出现。

代码只是最直观的部分。更有意思的变化，其实发生在水面之下。

如今，智能体会调查线上事故、审查拉取请求、回答问题、分析业务数据、分流支持工单、研究销售客户，并持续改进支撑 Replit Agent 本身的系统。

这感觉像是一个贯穿每位员工工作流程的单个「主智能」（master intelligence），尽管它实际上并非如此。它是一个不断扩展的智能体系统，遍布公司各处：从人那里接收目标，收集上下文，执行任务，检查结果，并在需要人类判断时升级处理。

我们认为，这代表着一种新型组织的开端：自驱型公司。

自驱型公司并不意味着不再需要人。人仍然决定目的地：决定哪些问题重要，权衡困难的取舍，运用判断与品味，并为最终结果负责。

但越来越多时候，人不再亲自完成抵达目的地所需的每一个步骤。

这一转变始于去年年底。和许多从事 AI 工作的人一样，我们圣诞假期归来时，强烈感到某些根本性的东西已经改变：模型能够在更长的时间跨度内持续完成工作。

过去屡屡失败的任务，例如告警分流和根因排查，开始变得可行。AI 也开始解决我们一些最棘手的漏洞。因此，我们不再把智能体看作只存在于编辑器或聊天窗口里的工具，而是谨慎地将其编织进公司的运作体系。

工程团队验证其价值后，采用迅速自发扩散。一个又一个团队开始把最枯燥的工作交给智能体，从而腾出时间，投入真正推动业务发展的战略思考和创造性工作。人们并不觉得自己被自动化取代了，反而感觉自己获得了晋升。

这就是 AI 如何彻底改变 Replit 工作方式的故事。

工程团队最先看到了影响

一月底，我们启用了相关基础设施，以便快速试验内部智能体应用场景。我们利用已有的智能体运行框架、微型虚拟机和远程文件系统，让每位工程师都能并行编排多组智能体。

随后，我们通过访问策略、令牌代理、审计日志和 ZeroTrust 网络对整套系统加以保护。到这一步，我们才有信心让智能体访问日常完成工作所需的各种系统：GitHub、GCP、Azure、Linear、Notion、Slack、Zendesk 等。

当智能体获得跨系统的上下文后，生产力实现了跃升。此前失败的实验变得容易实现，最直接的体现就是编码数据。

三月 Agent 4 发布前的冲刺周，通常是我们代码产出的高峰期：会议减少，范围明确，工程团队进入纯执行状态——有时一天工作长达 16 小时。

但这一次不同。我们的生产力曲线以此前从未见过的方式陡然上扬，原因可以追溯到新内部智能体系统的普及。从一月初到六月底，提交的代码行数增长了 5.8 倍。

每周变更的代码行数：既有工作流与新的智能体工作流

其中一部分增长来自招聘本身。新智能体缩短了新员工达到稳定生产力的时间，这当然很好；但为了获得更干净的数据，我们可以剔除招聘因素。若只观察固定的一组贡献者，他们产出的代码量仍达到此前的 2.9 倍。

传统上，团队规模扩大时，若能保持每位工程师的人均产出不下降，就已相当出色。而我们在团队人数翻倍的同时，将人均产出提升到了原来的三倍。

你或许会问：这么多新增代码由谁审查？我们是否在审查流程中制造了新的瓶颈？

答案是没有。代码审查延迟保持稳定，主要是因为我们也让智能体参与了代码审查。它现在能够评估风险等级，只在必要时才要求第二位人工审查者介入。这意味着人工进行 PR 审查的时间已经节省了 30%，而且比例仍在上升。

既然智能体编写和审查的代码更多了，我们自然也该担心质量。如果观察 PR 回滚率和新建事故数量，趋势都保持平稳。这意味着，相对而言，我们其实在持续改善。

原因之一是：这些流程同样得到了智能体辅助。人工代码审查配有智能体共同审查者，因此能捕获更多缺陷。对事故（包括重大漏洞和实际线上事故）的调查，也有智能体协助定位根因，因此平均缓解时间（MTTM）正在缩短。

最后还要验证：新增代码输入是否真正转化为价值输出。

归根结底，工程团队交付功能是为了服务用户。我们通过 Linear 跟踪项目，让销售和营销团队能在新功能推出时及时与用户沟通。可以看到，随着代码量增加，项目完成率也显著上升。

一支自驱型工程团队能够在提升质量的同时，交付更多成果。

智能体的「智能体管理者」

让规模化循环式工程成为可能

再深入看一层，就能理解这套机制的样子。变化最显著的场景，出现在工程师设计出「循环」时：他们派出一组智能体，去完成可验证的任务。

每位员工都可以使用一个管理型智能体。它能启动多个智能体，代表你编排它们循环协作。由此产生的 PR 图表非常独特，例如下图所示：

一位工程师完成了一项长期停滞的 CSS 系统迁移，并分享了经验；另一位工程师自动化了一项迁移工作，使产品能够实现本地化；还有工程师自动维护不稳定测试。我们的 CTO 则借助一群智能体，终于攻克了与 PSC 和文件描述符关闭有关的、最棘手的网络问题之一。

我们对于「什么是可能的」的所有假设，都已改变。

最令人振奋的自驱案例来自 AI 团队。他们构建了一套持续学习系统：它分析用户反馈，提出改进建议，再结合基准测试和 A/B 测试验证效果。Replit Agent 正在自我改进。

「自建还是采购」的讨论已经改变

新的内部智能体也改变了我们对于「自建还是采购软件」的讨论。我们经常试用新的 AI 工具。采购现成方案可以帮助我们提速，我们也会持续评估市场。

但随着自建能力增强，我们对外部工具的依赖会越来越少。

我们的内部智能体已经优于许多被视为行业领先的产品。我们刚刚停用了一个年费达七位数的 SaaS 方案，因为完全用 Replit 构建的内部应用表现更好，员工也已迁移过去。

突然之间，工具开始像是专为我们打造的。它与知识库的深度整合，以及我们所做的定制化改造，让其他方案显得逊色。

更令我们意外的是，内部智能体也超过了我们评估过的垂直领域产品。一个帮助工程师分流告警、排查事故根因的工具，质量相近，但运行成本是我们智能体方案的十倍。另一个自动化渗透测试工具，发现的漏洞比我们的内部版本更少，成本却高出十倍。

我们的两个版本都很顺利地投入了生产：一方面缩短了事故的平均缓解时间，另一方面也强化了关键系统抵御攻击的能力。

我们仍在学习，模型也在持续进步。因此很明显：这只是开始。

超越工程，进入整个公司

自驱型公司不应止步于工程团队。Replit 的每一个职能都在发生变化。

使用率很快从工程团队扩散开来，主要得益于 Slack 界面。公司其他同事看到工程师在 Slack 中给智能体分配任务，也开始自行尝试。

最初最受欢迎的用法是提问。将知识库与代码库当前状态结合后，任何人都可以在无需等待工程团队答复的情况下，澄清产品预期。随后，他们还可以直接修正文案或文档。这立刻提升了我们响应用户的速度。

但这只是开始。接下来，公司各部门都开始贡献新的技能与集成能力。

第一次重大突破来自数据团队。他们为智能体提供了数据仓库上的语义层，让它知道哪些表是权威数据源，以及这些表之间如何关联。

现在，Replit 的任何人都可以提出商业智能问题，并获得可靠答案。他们还能基于实时数据制作图表和演示文稿——包括本文的所有图表。数据团队则能把时间投入到最困难的问题上，而不是不断处理零散的数据请求。

最近，一位产品经理能够自行完成复杂的发布分析，因为智能体理解代码库中的事件、这些事件如何出现在客户数据平台中，以及如何将它们与复杂的订阅状态关联起来。

销售团队也找到了同样的杠杆。销售开发团队利用智能体寻找并补充产品合格线索。由于它能使用通用工具看不到的内部知识，外联沟通更具上下文，也更有针对性。

客户经理则用它为客户沟通做准备：了解哪些客户获得了最大价值、哪些项目最活跃，以及积分使用情况与合同约定之间的关系。随后，这些内容会被整理成面向该客户定制、带有品牌元素的演示文稿。

自驱型销售团队可以与客户形成更多、更高质量的触点。

左右滑动查看

营销团队只需一条提示词，就能让智能体根据工程和产品团队的对话与文档，从零起草产品规格说明。这使他们能够更早地启动发布准备，并持续掌握最新信息，而不必参加每一场会议。

他们因此有更多时间进行规划与创作，这将确保产品发布时产生更大的影响。

支持团队则赋予智能体调查问题、遵循标准处理流程的能力。它可以选择使用标准客服语气回复，也可以将问题连同工单摘要和调查结论一起升级给工程团队。

自驱型支持团队处理最难工单（也就是升级给人工的那些工单）的速度提高了 60%。用户能够更快回到创造和构建中。

在每个案例里，人都没有被自动化取代，而是获得了晋升。自驱模式会将执行者转变为指挥者；真正蓬勃发展的人，是那些以结果为导向、能够设定方向的人。

这正是当下最有价值的工作。

蚂蚁InTech奖是由蚂蚁集团发起，面向对计算机领域科研进步有关键推动作用的中国青年学者、青年博士颁发的纯公益性奖项，分为蚂蚁InTech科技奖与蚂蚁InTech奖学金。2026届蚂蚁InTech奖将于7月17日24时截止申报，有意向申报的学者/同学欢迎扫描海报中二维码进行申报。