当AI代理学会编码，企业面临的根本问题或许不是“它写得有多快”，而是“它写完的东西，别人能不能看见”。

　　Shopify最近公布的一组数据令人震撼：5938名员工，在4450个不同的Slack频道中与他们的AI代理“River”协同工作。这个数字本身已经足够抢眼，但真正让我驻足的，是另一个指标——River现在共同撰写了Shopify全公司约八分之一的合并拉取请求。

　　这不是一个试验项目。这是一个已经在生产环境中扎根的、有生命的系统。

　　“教学车间”的数字化复刻

　　在经营Shopify之前，Tobi Lütke是通过德国传统的学徒制学习编程的。那种方式的精髓在于：所有学习者身处同一个车间，亲眼看着熟练的工匠如何工作，工艺在目光中传递。

　　Lütke后来用一个德语词来描述Shopify的工程文化——Lehrwerkstatt，意思是“整个车间都是教室的教学工作坊”。

　　River就是这个理念的AI时代版本。但有趣的是，它的设计本身就在强制执行这种“车间文化”：River只能在公共Slack频道中工作。没有私信，没有私人群组。

　　这是一个看似简单、实则深刻的产品决策。

　　你召唤River时，旁边的人可以看见、可以加入、可以搜索、可以学习。每一个会话都是一份可见的、可回放的“工艺记录”。Shopify可以挖掘这些记录，发现重复出现的模式，然后将其反馈回River的技能库、提示词模板和默认行为中。

　　一位工程师凌晨两点的艰难修复，成了下一位工程师早晨四点的起点。

　　大多数企业做错了什么

　　现在，把Shopify的做法和大多数企业的AI部署方式做个对比。

　　典型的场景是这样的：一位开发人员在私密的IDE中，对着一个私密的聊天机器人窗口，解决一个私密的问题。他找到了一种巧妙的方式排查不稳定的测试、解释了一个模糊的服务边界、规避了一个迁移陷阱。然后窗口关闭，所有发现随之消失。

　　当然，这位开发者个人可能走得更快了一点。但整个公司，和昨天相比，并没有变得更好。

　　这就是关键分歧所在：你是用AI来加速个人，还是用AI来赋能组织？

　　Shopify的选择是后者。River的设计约束不是技术限制，而是一种刻意为之的运营模式——可以理解为在Slack内部进行的开源式代码开发。

　　文档不是写出来的，是做出来的

　　企业知识管理有一个经典误区：把文档当成“工作完成后写下来的东西”。

　　实际上，很少有开发人员愿意主动为已经做完的事情写文档。除非有人付钱让他们这么做。但即便付了钱，写出来的东西也往往是过时或流于表面的。

　　River提示了一个更好的路径：工作本身产生文档。

　　不是每个River会话都有价值，大多数可能没有。但那些有价值的会话，可以变成技能模板、默认配置、示例代码、操作手册、代码库注释——成为帮助下一批人从零开始的垫脚石。更重要的是，这些知识资产是在真实工作中自然沉淀的，而不是被“挤”出来的。

　　agents.md的真相与误区

　　近期流行的agents.md——一种为AI代理提供的项目级说明文件——也值得重新审视。

　　GitHub基于对2500多个仓库的分析给出了建议：尽早给出指令、足够具体、提供真实示例、设定清晰边界。简而言之，把重要的事情写清楚。

　　但苏黎世联邦理工学院的研究人员最近得出了一个反直觉的结论：LLM自动生成的上下文文件通常会降低任务成功率，同时让推理成本增加20%以上。 而人类编写的、聚焦于“不可推断”信息的上下文文件才有实际帮助——比如自定义工具的用法、不常见的构建命令、高度具体的项目约束等。

　　这个发现对企业的启示是：公共开源项目往往没有太多“不可推断的领域知识”，但企业软件中充满了这类知识——为什么在特定区域结账时定价服务不可用？哪个遗留API看似废弃但仍然支撑着重要客户？为什么数据模型的逻辑和收入确认的规则不一致？

　　这些才是值得被记录和传承的上下文。agents.md的“车间版本”不应该是一个自动生成后就被遗忘的静态文件，而是从可观测的工作残留中提炼出的持久教训。

　　你不是Shopify，但你可以借鉴什么

　　写到这里，有必要泼一盆冷水：你大概率不是Shopify，也不应该在周一醒来就宣布迁移到monorepo、全面拥抱Nix、把所有代理都塞进公共频道。

　　但你可以问自己一个更本质的问题：在我的公司里，代理工作发生在哪里？谁从中学习？

　　如果答案是“私密地”和“没有人”，那你可能遇到了问题。

　　我并不是说所有代理会话都必须在全公司范围内公开。客户数据、安全事件、人力资源问题、特权环境信息当然需要严格的访问边界。在某些场景下，边界甚至需要更紧——因为代理比人类行动更快，接触的系统更多。

　　但原则依然成立：在适当的可见性范围内，代理工作应该是可检查、可复用、可改进的。组织应该能清晰地看到从问题提出、到工具调用、到尝试失败、到修正、到拉取请求、再到可复用知识的完整路径。

　　结语：共享学习是新的开发者体验

　　过去十年，“开发者体验”主要意味着消除个人摩擦：更快的环境搭建、更好的文档、更优雅的API。这些都很好。

　　但代理驱动的开发增加了一个全新的要求：共享学习。

　　下一位开发者能否从今天的代理会话中受益？代理不仅能解释它改变了什么，还能解释它学到了什么吗？一个私人的突破，能否在不制造监控噩梦的前提下，成为团队的资产？

　　这不是监视。目标不是对每一次按键打分，也不是把开发者变成企业知识机器中的内容生产工。目标是让有价值的工作具备足够的可观测性，使其产生复利效应。

　　在River的故事里，人类仍然是老师。组织仍然负责定义什么是好的工作。系统仍然需要判断力、品味、安全意识和代码审查。但当所有这些工作在公共视野下完成时，魔法就发生了——整个组织都能从每一次教学中受益。

　　这就是企业内部AI代理的真正承诺：不是每个开发者都拥有一个私人天才，而是每个开发者都能挖掘整个组织的集体天才。

　　Tobi Lütke在一个可以看到工艺的房间里学会了手艺，学徒通过观察真实作品来成长。能够赢得代理时代的公司，将在软件世界中重建这样的空间。

　　简而言之，你的AI能做的最聪明的事，不是更快地写代码。而是在公共场合工作。