夜雨聆风多年前，我写过关于我在德国学徒经历的文章。我16岁就辍学了，然后去西门子的一家子公司工作，那里的地下室里坐着最有趣的人，他们使用 Delphi 而不是公司指定的 Rosie SQL（这两者现在几乎都随着时间和进步消失了）。我通过观察他们学会了成为一名程序员。通过给他们泡咖啡。通过长时间待在他们身边，让他们的判断力渗透到我的判断中。
在过去的一年里，我一直在思考那段经历，因为我们在 Shopify 构建了一样遵循相同原则的东西。
她叫 River。River 是一个 AI 助手，生活在我们公司的 Slack 里。你与她交谈的方式就像与队友交流一样：在 Slack 频道中提到 River。她可以阅读代码、运行测试、编写代码、发起拉取请求、查询我们的数据仓库、查看生产跟踪，还有很多其他功能。我们几乎天天都在使用她。
在过去的30天里，5,938 名 Shopify 员工在 4,450 个不同的 Slack 频道中与 River 一起工作。仅在上周，她就在我们的主 monorepo 中发起了 1,870 个拉取请求。上周合并到我们代码库的大约八分之一的拉取请求是由 River 发起的，由我们进行审查。
现在世界上有很多编码助手。使 River 特别的是一个约束：她只在公开环境中工作。
一个成为特性的约束
当我们开始构建 River 时，显而易见的做法是让人们在私密环境中使用她。许多其他 AI 助手都是这样运作的。ChatGPT 是一个私密窗口。Claude 是一个私密窗口。Cursor 位于你和 IDE 之间。
而我们做了相反的决定。River 生活在 Slack 上，我们公司的聊天工具里。River 不响应私信。她会礼貌地拒绝，并建议你创建一个公开频道，让你和她开始工作。我自己在 #tobi_river 频道与 River 合作，很多人也遵循了这个模式。因此，每一次对话都是可搜索的。Shopify 的任何人都可以加入。在我自己的频道里，有超过100人会对讨论串作出反应、提供补充信息、接手任务、协助审查、提醒我自己的生疏之处，更重要的是，通过观察来学习。
起初这有些奇怪。人们习惯于在私有工作空间使用他们的工具。当整个公司都能看到问题时，寻求帮助的感觉会有所不同。但发生了一件我们期望但未完全预料到的事情：人们开始相互学习。
#help_checkout 频道的一名支持工程师会观察另一频道的后端工程师如何让 River 找到正确的日志查询，第二天她就会做同样的事情。新员工会翻看 #river 频道，看看资深人员在发送第一个请求之前如何规划请求范围。
正如德语中经常有的那样，有一个词描述这种环境：Lehrwerkstatt。字面意思是“教学车间”。整个车间就是课堂。你通过靠近工作来学习。持续学习是公司的核心价值之一。
Shopify 希望在大规模上成为一个 Lehrwerkstatt，而 River 现在比以往任何时候都让我们更接近这一理想。这是一种渗透式学习，因为它不需要课程、培训计划或经理。它只需要每个人的工作尽可能公开。每个人都能互相学习。
我对这一有些偶然的发现感到由衷兴奋，想分享一下。
为什么在 AI 时代，这一点更重要而不是更不重要
人们常担心 AI 会让人们停止思考。如果代理帮他们调试，初级开发者为什么还要学调试？如果可以直接提问，为什么还要阅读代码库？
我认为这种担忧是有道理的，但表述方式不对。风险不在于 AI 完成了工作，而在于 AI 完成了工作而我们从中没有学习。如果每一次与代理的交互都发生在私密窗口，唯一能学到东西的人就是键盘前的那个人。其他人完全被排除在学徒体验之外。
当人们与他们的代理在公开场合一起工作时，情况正好相反。最佳提示模式会传播，知识会扩散。某个开发者调查 Slack 权限错误的巧妙方式会成为其他人的模板。有人编写的技能教 River 使用公司结账数据仓库，会被另外十二个团队重复使用。River 自己也在学习：每个频道都可以预加载团队所需的区域、技能和指令，这些都是由最接近工作的人编写的。River 还有一个记忆系统，不断学习和忘记关于公司以及最佳工作方式的关键信息。
代理并不取代学徒，也不取代导师。代理让整个公司成为学徒，因为每个人都在不断观察最有经验的人与代理一起工作。
这也是合并率不断上升的原因。我们没有重新训练模型，也没有更换模型。两个月内从36%提升到77%，来自人们观察 River 工作，注意到她卡住的地方，记录她应该知道的内容，并帮助 River 成为更好的团队成员。每个团队的经验积累流入代理，代理在 Shopify 的表现也越来越好。
公司的运作速度取决于最慢的秘密
当我思考为什么这很重要时，我又想起了我长期以来的信念：一个组织的速度取决于其最低带宽的沟通渠道和节奏。会议很慢。邮件很慢。私信很慢。也许对个人来说不慢，但对组织来说，来自这些渠道的信息和决策永远无法完全渗透到整个组织，除非付出巨大的额外沟通努力。
人类之间或与称职代理的公开对话则不同。它是快速的，可搜索的，可教学的，并且具有复利效应。下一个遇到同样问题的人不必再问。
我不认为未来的工作是由 AI 取代人类。我在2018年写过一篇文章《人类卓越的未来角色》，谈到计算机学会下棋后，国际象棋反而更受欢迎，而不是更少。这里的道理相同。正确的模型不是人类或机器，而是学徒与导师，彼此观察学习，在车间里共同进步。
