首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于

73% PR 由AI生成!Claude Code之父对话Spotify:2900名工程师每天部署4500次,坐地铁都能提交代码

2026-07-06 1 阅读 约10分钟阅读 褚杏娟
分享:
字号:
去年9月,Anthropic Claude Code 创始人 Boris Cherny 曾与 Spotify 工程副总裁 Niklas Gustavsson 谈到 AI 编程工具的未来。当时,Nicholas 作出一个激进判断:到了年底,开发者可能已经不再需要传统IDE。 Boris 的第一反应是,这几乎不可能发生。在他看来,AI 编程工具完全取代传统IDE,或许需要两年,但不可能只用两个月。然而仅仅两个月后,Boris 发现,自己真的不再使用传统 IDE,整个工作方式也随之彻底改变。 “这种变化,是我从事这类工作近30年来从未见过的。”Boris 在两人最近的一次谈话中说道。 如今,Spotify 已经成为全球范围内将 AI 编程大规模嵌入软件研发体系的代表公司之一。在这家拥有约2900名工程师的流媒体巨头内部,约73%的PR已经可以直接由AI生成,AI工具推动 PR 提交频率提高了75%以上。 Spotify 经历了一场几乎“肉眼可见”的研发方式重构:从 IDE 逐步退出日常开发现场,到智能体在后台同时运行;从工程师亲自编写和修改代码,到模型完成大部分实现并通过自动化验证进入生产环境;再到原本需要数周甚至数月的功能验证,被压缩到数小时。 但 Spotify 的实践并不是简单地给工程师购买一套 Claude Code 订阅。其背后,是持续多年的代码自动化基础设施、代码库标准化、自动化测试、持续集成、权限系统和验证闭环建设。 Spotify 的经验表明,模型能力只是起点,真正决定 AI Coding 能否在大型企业落地的,是企业是否已经把代码、测试、工具和研发流程改造成一个可以被智能体理解、调用和验证的系统。 太长不看版 Q:你们总是比其他人更早看到未来,这与文化有关还是和参与团队有关? A:大约五六年前,我们发现公司代码库的增长速度远远超过工程师人数的增长速度,大约快了7倍。这意味着,随着时间推移,需要维护的代码越来越多。而 Spotify 是一家不缺产品创意的公司,我们一直有大量想要交付给用户的功能。如果团队长期被维护工作拖住,那显然不是一个理想状态。 Q:很多公司常犯的一个错误,是对验证闭环的投入不足。 A:这确实非常普遍。当我们开始自动生成并提交针对源代码的 PR 时,就必须改变对各团队的要求。团队可能不再参与每一次变更。我们会自动合并其中大多数变更,相关团队甚至可能根本不会看到这些 PR。这意味着,我们必须构建更完善的自动化测试体系,确保所有软件都能够承受这种自动化变更。这项投入对我们帮助非常大。 Q:你们会如何考虑ROI? A:最初关于 ROI 的讨论相对简单,因为我们看到的提升实在太大了。但随着技术逐渐成熟、成本结构不断改善,大家对 ROI 测算精度的要求也越来越高。其中一部分是衡量生产力提升了多少;另一部分,则是为了获得这些提升,究竟付出了多少成本,包括消耗了多少 Token、投入了多少小时,以及最终产生了多少有效产出。 Q:对其他公司的 CTO、VP 以及工程管理者,有什么建议? A:除了自动化测试和验证,标准化同样重要。我们一直在推动代码库变得更加一致,也在推动团队统一使用的工具和框架。这些投资最初是为了降低人类工程师的工作复杂度,提高人的生产力。但我们发现,这些做法同样可以非常顺利地迁移到智能体上。 Q:过去大量花在实现上的时间被释放出来了。 A:我们现在正在大力投资原型开发。而且,这项投入不仅面向工程师,也面向非工程人员。目前,我们的一位联合CEO也在这个内部应用商店里提交了原型。 下面是两人详细对话,我们进行了翻译并在不改变原意基础上进行了删减,以飨读者。 还没有 Claude 时就想要代码自动化 Boris:我还记得,去年大概9月的时候和你聊过一次,你当时说了一句类似的话:“我觉得到了年底,可能已经没人再用 IDE 了。”我当时听完就在想,“这也太疯狂了,绝对不可能发生”。我能想象这种变化可能会在两年左右发生,但两个月实在太夸张了。可两个月后,我发现自己真的不再用了,整个工作方式也彻底改变了。这种变化,是我从事这类工作近30年来从未见过的。 Nicholas:有意思的是,我们公司内部的感受和外界几乎完全一样。只不过我们可能领先了几个星期。也就只有几个星期,但感受确实完全一样。 Boris:现在智能体和大模型正在带来巨大变化。在我看来,无论是你个人的使用方式,还是 Spotify 的使用方式,都处在行业最前沿。你第一次真正感到“AGI来了”是什么时候? Nicholas:我觉得自己经历过好几次这样的时刻,具体取决于我们当时试图解决什么问题。 大模型刚出现时,我们就比较早地尝试用它们自动完成代码变更。最开始,这件事非常难。但过了一段时间,随着我们逐渐摸索出如何使用大模型、评判模型以及其他方法,我们开始得到一些非常令人振奋的结果。 Boris:那已经是几年前了? Nicholas:对。那时候还没有 Claude,应该算是 GPT 非常早期的阶段。我们当时得到的结果,并不是已经可以解决所有问题,但它让我们看到了这项技术未来可能走向哪里,那肯定算是一次重要时刻。 但对我个人写代码而言,真正的突破时刻可能是去年11月或12月发布的 Opus 4.5。它从一种“聪明的自动补全工具”,变成了一个我真的可以把现实问题直接交给它处理的东西,而且我不再需要做太多提示词工程。 对我来说,最大的变化还在于,我终于不需要再亲自编辑代码了。在那之前,我的工作流通常是让模型先写出大约80%的代码,或者根据模型能力写出70%,然后我还是要进入IDE,完成最后的修改。后来,我突然不再需要做这一步了。那种感觉真的很疯狂。 Boris:我觉得这也是为什么那次变化让人感觉像一次巨大跃迁。那你现在的工作流是什么样的? Nicholas:我的用法应该算比较基础。我通常会在终端里开很多个 Tmux 会话。每当我要做一些工作时,后台通常都会同时运行多个智能体。 Boris:你一般会开多少个终端标签页? Nicholas:大概5到10个。我还会使用一些窗格,因为我喜欢单独保留一个终端来查看代码差异之类的信息。所以,我现在通常会配置成一个矩阵式工作区:一边是多个 Claude 会话,另一边是与它们对应的终端,并配合多个 Git 工作树使用。 我们现在有几个非常大的单体代码仓库,而且还在逐步向这种架构迁移。但与此同时,我们仍然保留了数千个规模较小的多代码仓库。 我的大部分工作都发生在这些单体代码仓库中,所以在任何时间,我通常都会同时运行几个 Claude 会话和终端。如果临时需要进入某个多代码仓库,我就会在那里再打开一个临时的 Claude 会话。 Boris:你觉得对于 Claude Code 来说,单体代码仓库和多代码仓库,哪一种更适合? Nicholas:老实说,一开始我对单体代码仓库和智能体的组合有些担心。因为我们在使用早期工具时,遇到过代码索引方面的问题。而且,我们的代码仓库规模确实非常大,仅后端单体代码仓库就有超过2000万行代码。 但事实证明,Claude 在这些代码仓库中的表现非常出色。我们发现,Claude 非常善于查看代码仓库中的其他代码,并从中寻找解决当前问题的参考和启发。 代码增长速度是工程
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱