Replit 构建“自驱动公司”：AI Agent 集群实现工程效能 5.8 倍增长
在过去六个月中，Replit 的工程团队在引入自主 Agent 系统后，代码产出量几乎增长了 3 倍，而代码审查延迟、回滚率和产品事故率却保持稳定。更令人惊讶的是，质量指标反而得到了改善，发布速度显著加速。这种在未见明显权衡（trade-offs）的情况下实现效率飞跃的现象，标志着 Replit 正在构建一种全新的组织形态——“自驱动公司”（Self-Driving Company）。
从工具到基础设施：Agent 的深度融合
传统的 AI 应用往往将 Agent 局限于编辑器或聊天窗口内。然而，Replit 在经历了一年多的探索后，决定将 Agent 编织进公司的核心肌理中。如今，Agent 系统能够自主调查生产事故、审查 Pull Request、分析业务数据、处理支持工单以及研究销售账户，甚至优化驱动 Replit Agent 自身的系统。
这种转变始于去年年底。随着大模型能够维持更长时间的工作，原本反复失败的告警分派（alert triage）和根因分析（root-cause investigation）任务开始变得可行。Replit 不再将 Agent 视为简单的工具，而是将其作为贯穿每位员工的工作流。
工程效能的惊人突破
自今年 1 月启动内部 Agent 实验以来，Replit 利用其 Agent 沙箱（agent harness）、微虚拟机（microVMs）和远程文件系统基础设施，让工程师能够并行编排大规模的 Agent 集群。在严格的零信任（ZeroTrust）网络策略和审计日志保护下，Agent 获得了访问 GitHub、GCP、Azure、Linear 等关键系统的权限。
数据结果令人瞩目：
- 代码产出量：从年初到 6 月底，代码贡献量增长了 5.8 倍。即使剔除新入职员工的影响，仅看同一批工程师的产出，也实现了 2.9 倍 的增长。这意味着在团队规模翻倍的情况下，单人均产出提升了 3 倍。
- 审查效率：Agent 承担了大部分风险评估和初步审查工作，仅在有必要时才调用人类复核。这节省了 30% 的人工 PR 审查时间。
- 质量与速度：PR 回滚率和事故数量保持平稳，甚至相对改善。Agent 辅助的根因分析显著降低了平均修复时间（MTTM）。
循环工程（Loop Engineering）的规模化
Replit 将这种模式称为“循环工程”。当工程师定义任务时，系统会生成一个由多个 Agent 组成的循环，自动完成可验证的任务。
实际案例包括：
- 一名工程师利用 Agent 集群完成了一项长期停滞的 CSS 系统迁移。
- 另一团队自动化了产品本地化迁移流程。
- 首席技术官（CTO）利用 Agent Swarm 攻克了困扰已久的 PSC 和 fd 关闭相关的网络 Bug。
正如 Replit 团队所言："人们并没有感到被自动化取代，反而感觉像是得到了晋升。" 这种自驱动的工程团队能够在保持高质量的同时，以更快的速度交付更多价值，彻底改变了软件开发的范式。
