The Self Driving Company

Replit CEO 实测：工程师代码产出翻 3 倍、质量不降、事故率持平，秘诀是把 AI 从“工具”变成“公司操作系统”——每个员工都配一个能调动全公司系统的“经理 Agent”。

• Replit CEO Amjad Masad 发文《自驱型公司》：过去 6 个月，工程师代码产出接近翻 3 倍，但代码审查时间没变长、代码回退率和事故率都没涨——所有常见的“效率换质量”的 trade-off 都没出现。
• 核心变化不是单个工具，而是一个“Agent 系统”：Agent 现在能调查生产事故、审查代码、回答问题、分析业务数据、处理客服工单、研究销售线索，甚至改进 Replit Agent 自己。感觉就像“一个贯穿所有员工的超级大脑”。
• 关键转折点发生在去年圣诞后：模型能持续工作更长时间了，以前老失败的任务（比如告警排查、根因分析）突然能跑了。他们不再把 Agent 当编辑器或聊天窗口里的工具，而是把它织进了公司的结构里。

• 1 月到 6 月，代码贡献量涨了 5.8 倍。去掉新招人的影响，同一批工程师的产出也涨了 2.9 倍。通常团队扩大时能保持人均产出不降就算优秀，他们是在团队翻倍的同时人均产出翻 3 倍。
• 代码审查没成新瓶颈：Agent 能自己评估风险，只有必要时才叫人类二次审查，省下了 30% 的人类审查时间。
• 质量也没崩：代码回退率和事故率持平，因为审查过程本身也有 Agent 辅助——人类审查时有个 AI 搭档一起找 bug，事故调查时 Agent 会尝试自动找根因，所以平均修复时间（MTTM）在下降。
• 最狠的“循环”模式：工程师让一群 Agent 去完成一个可验证的任务（比如迁移 CSS 系统、做产品本地化），结果产生了“非常独特的 PR 图”——一个工程师用一群 Agent 搞定了长期搁置的 CSS 迁移；CTO 用一群 Agent 解决了一个最难的网络 bug。
• AI 团队自己做了个“自我改进系统”：分析用户反馈、提出改进方案、用基准测试和 A/B 测试验证，然后自动更新 Replit Agent——这是全文中“完全自驱”的最佳例子。

• 传播路径是“拉”不是“推”：工程师在 Slack 里 @Agent 干活，其他部门的人看见了就自己试。先是问问题（结合知识库和代码库，不用等工程师就能搞清楚产品预期），然后开始自己动手改文案、写文档。
• 数据团队给了 Agent 一个“语义层”：让 Agent 知道哪些表是真实数据源、它们之间怎么关联。现在任何人都能问业务问题、拿实时数据做图表，数据团队不用再应付重复请求，可以专心啃硬骨头。
• 销售团队用它找线索、准备客户沟通：能看见内部数据（谁用得最多、什么项目最活跃、信用额度还剩多少），然后自动生成带品牌风格的客户演示文稿。
• 市场团队用一句话就能从工程和产品的对话文档里，自动生成产品规格文档，不用参加所有会议也能跟上进度。
• 客服团队用 Agent 按标准流程调查问题，能直接回复或转给工程师并附上调查摘要。转给人类的工单，解决速度快了 60%。

• Amjad 的原话：“人们不觉得自己被自动化了，他们觉得自己被升职了。自驱把执行者变成了导演，那些能思考结果、设定方向的人正在脱颖而出。”
• 一个反直觉的发现：他们自己用 Replit 搭的内部工具，居然打败了市面上 7 位数的 SaaS 产品——员工自己都迁移过来了。一个告警排查工具，质量差不多但成本是他们的 10 倍；一个自动化渗透测试工具，漏洞发现更少、成本也是 10 倍。
• 但自驱不意味着没新问题：比如代码多了，审查压力就大——他们用 Agent 辅助审查解决了。新问题会不断冒出来，只是换成了“更好的问题”。

“自驱把执行者变成了导演，那些能思考结果、设定方向的人正在脱颖而出。”

• 做 AI 产品的可以照抄 Replit 的“拉式传播”：先在 Slack 这类公共空间让工程师用，让其他部门自己看见效果、自己来问，比自上而下推效率高得多。
• “系统集成”是自驱的前提：不给 Agent 接 GitHub、Slack、数据库、客服系统，它就是个聊天机器人。做企业级 AI 工具的，得把“一键接入现有系统”做成标配功能。
• “循环”模式是自驱的发动机：不是让 Agent 干一个活就完，而是设计一个“设定目标→执行→验证→反馈→调整”的闭环。做产品的可以思考：怎么让用户能轻松创建这种循环，而不是每次都要手动触发。