Shopify 为每位商家打造副驾，而非自动驾驶：Glen Coates 谈 AI 与产品

Glen Coates 进入 Shopify 走的是一条弯路。他是计算机科学专业的毕业生，职业生涯早期在电子游戏行业工作，2008 年突然拐了个大弯，搬到圣地亚哥，负责一家环保购物袋公司的美国业务，那是一种自带购物袋的生意。这家公司大量批发销售购物袋，正是批发的工作流程给了他创办 Handshake 的想法：先做一个给销售代表用的 B2B 订单工具，再为买家自己做一个店面。在纽约干了将近九年后，用他的话说，Handshake 已经成了只做批发的 Shopify。

收购于 2019 年完成。Coates 用大约一年时间做 B2B 和批发业务，这正是这笔交易的初衷。到录制节目的那个 5 月，他在公司已快满五年。2020 年是疫情的第一年，他被调去负责结账功能的“Code Red”（红色警报）。那场救火结束后，他一直负责核心产品组：在线店铺、结账、后台、开发者平台，以及应用商店（App Store），其中也包括主持人想聊的那些 AI 产品。

他解释说，Code Red 并非比喻。Tobi Lütke 会给全公司发邮件，宣布某件事是第一优先级，而且在执行上也是字面意义的：如果负责这个项目的团队来求助，你就得放下手头的事。2020 年，结账功能出了三四五种不同的故障。高峰期，有两三百人围绕问题的各个部分忙了整整一年。救火结束后，Lütke 问了一个更有用的问题：Shopify 怎么会走到这种地步，让这些故障有机会首先发生？

答案指向组织架构。Shopify 原本有十二到十五个规模小、彼此割裂的业务单元；重组之后变成三四个，更接近产品的真实形态，但每个单元都大得多，领导方式也必须不同。Elad Gil 注意到这支领导班子有个不寻常之处：Shopify 管理层里，有很大一部分人是以创始人的身份被收购进来的。Coates 在下一层级也看到同样的模式：有九到十个人直接向他汇报，每人负责一个两百人左右的研发组织，而其中同样有很高比例是创始人。他把这种文化追溯到 Lütke，后者已经不再回避为公司指明方向。Coates 转述 CEO 的逻辑：如果说 Lütke 擅长什么，那就是立场极其鲜明；而在互联网电商领域，他的判断准确率足够高，因此果断本身就能加速公司的发展。以前做过创始人的人能体会“最终责任在你”的那种感觉，并借此推动团队冲破“委员会式设计”带来的僵局，那种僵局扼杀了很多公司。

Gil 的第二个问题，是收购公司的另一面：买来的技术要怎么处理？Meta 很长时间里都让 WhatsApp 保持独立。谷歌曾经花了一年半时间做身份识别层，而其他团队几乎没有发布任何东西。Coates 的思路是工程师式的：看清技术栈，同一层里不允许出现重复。陷阱在于，你往往要过很久才会发现，两样东西其实处在同一层。

Shopify 的结账本质上是一台协商引擎。它接收购物车，套用店铺的业务规则，再把这些转化为一笔销售协议，其中包括税费、关税和运费。旁边又长出了一些相关工具：开票，以及下单后修改订单。这些项目通常一开始都很小。比如，一位顾客打电话说忘了输入折扣码，于是有人立项，给已有订单加上折扣。接着，同一个界面又学会了修改运费，然后是添加购物者忘记买的商品。几年后，团队回过头来才发现，自己已经把结账功能重新做了一遍。

这笔成本会立刻体现在别人的路线图上。一个团队要增加国际定价功能，就得同时把它嵌进结账、订单修改和开票这三处。本该一个月完成的活，要做六个月，因为底层本该只有一个东西，结果却有五个。把这五个合并回一个，是正确的答案；但 Coates 说，这也像在有人住的房子里重修地基，总不能让所有人都先搬出去。

真正的解决之道有两个习惯。第一，要对自己何时在无意中制造了重复，形成非常敏锐的直觉，这样就不会陷进去。第二，一旦发现自己已经造成了重复，就要咬牙吃下这口苦药，把副本合并掉，因为否则那一层之上的每个团队都会永远为这种重复买单。付出代价的不只是研发部门。多数团队会只实现最重要的两三个界面，跳过第四和第五个，于是依赖这些路径的商家，会遇到一个看上去一样、行为却不一样的东西。他们掀开表层一看，才发现底层乱成一团。

Shopify 是较早采用 AI 的公司，Gil 把这归功于公司里坐着一位技术敏锐的创始人。Coates 说，过去十二个月，团队一直在找不同模型究竟适用于哪些场景。照他的说法，公司的使命是赋能创业者：让创业和经营企业变得简单，使更多原本迈不过那道坎的人，有机会去尝试。过去的做法是，软件一开始很简单，随着生意做大，再逐步展现出复杂的功能。他指出，失败公司的墓地里，埋满了同时想服务小企业和大企业的公司。既简单又强大，是 Shopify 面临的难题。

老办法是命令式的。Shopify 过去靠给商家提供最好用的开关，并在合适的时机把这些开关展示出来而赢得市场，但最终还是要商家自己去拨动。AI 打开了另一种可能：给车配一位司机，让他熟悉所有开关怎么用。即便开关本身很好，很多人一想到要学会后台管理，还是望而却步。他们可以跟 copilot（副驾）说明想做什么，只是自己动手做不了。Coates 说，这是一个极好的机会，能让真正有机会起步的创业者越来越多。

这样的小例子不胜枚举。有多少人因为不是文案高手，写商品描述就卡壳，觉得连自己的蜡烛都描述不好，结果迟迟按不下那个醒目的绿色上架按钮？Shopify Magic 和 Sidekick 的上线速度，比很多大公司都快。Sarah Guo 提出了那些公司普遍卡住的问题：输出是非确定性的，老办法的质量流程用不上了，那么该怎么判断某个东西已经好到可以发布？

Coates 目前奉行的原则是：每个 Shopify Magic 功能都可以提出修改建议，但不能直接落地。他说，如果置信区间足够高，这个原则可能会改。模型可以生成文字，但在商家读过并保存之前，它不会真正存下来。它可以根据对店铺的了解，起草一条对“你们的运费政策是什么？”的回复，但商家仍要亲手按下回车。人类在环中，既是风险控制，也是训练信号。每一条建议都会产生一个三类反馈的闭环：原样采纳、稍作修改后采纳，或者直接拒绝。在创始人的意义上，Lütke、首席运营官 Kaz Nejatian 和 Coates 都相当敢于冒险，太安全了，他们就会觉得无聊。他们不会越过的底线，是伤害商家的生意。他们愿意把风险扛到 Shopify 自己身上，同时在商店前面保留“必须由人点击保存”的关卡。一两年后，如果某个商家有 99% 的建议都不经修改就被采纳，产品或许会提供完全自动的模式。他们现在还没到那一步。从这里就能看出逐步爬坡的走向。

被问到 Shopify Editions 里最酷的是什么，Coates 没有先谈图像生成。他先谈的是地基，并先声明自己是个电商迷。Shopify 最核心的数据模型是商品，十来年间几乎没有什么变化。他认为，靠一个相当简单的模型做到美国电商约 10% 的份额，已经非常了不起。但商品目录一复杂就暴露出弱点：选项很多，颜色和尺码也很多，Shopify 就开始吃力。他们正在更新这个模型，以支持数量大得多的变体。

这次重写之所以这么难，是因为典型的平台税。变体数量庞大，迫使 API 从不分页改为分页，这对整个应用生态都是破坏性变更，而破坏性变更很难处理。除了变体数量，他们还嵌入了一套标准商品分类体系，包含标准的类别和属性。商家创建一件 T 恤时，Shopify 会自动识别类别，然后用 AI 猜测属性值：根据上传的图片判断是绿色和黄色，根据描述判断是棉质。

这些结构化元数据首先有助于商家自己店铺内的搜索。更重要的是，当同样的商品被推送到谷歌、Facebook 和亚马逊时，额外的结构让它们更容易被找到。Coates 说，这会带来更靠前的排名和更多的收入。数据模型做对了，数据质量保持在高水平，效果就会在真实生意的漏斗前端显现出来。Editions 还推出了 AI 图片编辑的第一版，商家可以替换背景，无需昂贵的拍摄，就能把商品照片拍到专业水准。他说，Shopify 的很大一部分工作，是帮助像他妈妈那样在家做生意的人，看起来和全球最大的公司一样专业。

然后是搜索，这对他来说很有切身感受。他最近才知道 LBD 是小黑裙的意思。如今 Shopify 的搜索仍然是非常字面的关键词匹配。他有一段内部视频，记录的是他在自己真正会光顾的一家店里气得不行的样子：他搜“sweater”（毛衣），商品目录里只有“sweatshirt”（卫衣），结果为零。“到 2023 年了，这种情况怎么可能还存在？”他对公司这样说。语义搜索就是解决办法。即使商品标题里没有 LBD 这几个字，搜它也应该能找到。搜“Christmas themed shoes”（圣诞主题的鞋子），团队给他看的结果是返回了红绿相间的鞋。“适合去婚礼穿的东西”或“适合去海边穿的东西”，过去都搜不出来，除非商家在描述里写过这些词，而商家几乎从不这么写。他的标准很简单：一家小店的搜索，凭什么不能和谷歌一样聪明？

底层的工作并不光鲜。团队要组装数据集、做微调，并按品类挑选嵌入模型，因为服装、时尚、礼品和家居用品的表现各不相同。近两三个月出现的多模态模型，让他们得以试验：文字描述、图片和分类属性各应该占多大权重。他们还在摸索这个比例。Guo 指出，视觉模型意味着，原本就存放在商品照片里的大量信息，终于可以变成文字，并与商家的其他信息汇到一起。对买家来说，“婚礼上穿的东西”这种搜索真正能用，是件很痛快的事。对于一个经营了五年、有 10000 件商品的商家来说，要求它给每个 SKU 补填五个属性，简直是噩梦。一个能做出 90% 正确率猜测的模型，正是把这些商品目录一路带到今天的办法。

对 Shopify 而言，完美的 AI 世界还缺什么？Coates 指出的，是所有搭建智能体（agent）的人都有过的那种感受。一个类 Sidekick 的大语言模型（LLM）智能体，十分钟内能做到约 75%，再往上冲到 95%，就是一段艰难的爬坡。前半程让黑客着迷，后半程才是真正的工作。“剩下的 5%，我看是未来五年的技术。”他说。

他谈起幻觉时几乎是乐观的。当有人抱怨大语言模型在产生幻觉，他的回应是：幻觉本来就是这份工作的一部分。模型每输出一个 token，都是在产生幻觉，只不过你更喜欢其中一些幻觉而已。Sidekick 这个名字就是产品定位。它应该让人感觉像是旅途中的同伴、教练或助手，像一个或许已经看过这部电影的人。从 75% 到 95%，正是他们目前所处的过程。

在 Shopify 这边，他们不断改进训练集，并收集更多带有用户反馈的对话，来把产品打磨到位。每隔几周就会出现新模型，他们可以用同样的训练集和评测，或许能获得一次阶跃式的提升。创新同时发生在研发团队内部和外部，Coates 说，你永远不知道每周会带来什么。Guo 补充了外部视角：嵌入模型越来越好，人们正在开发合成数据工具，以及覆盖整条 RAG 流水线的工具，因此从演示走向正式产品的阵痛应该会减轻。她指望 Shopify 保持在技术前沿。Coates 说，他们一直在努力待在那里。

在 Shopify 之外，Coates 总是会提到 CES 上的 Rabbit R1。他身上穿着那件 T 恤，他是 Teenage Engineering 的铁杆粉丝，这款硬件让他很兴奋。值得关注的问题不在设备本身，而在于大语言模型智能体究竟会学习哪一种界面。对 Sidekick 来说，智能体究竟是在底层调用 Shopify 后台的 API，还是像人一样钻进网页应用的像素里，一点一点地点击？Rabbit 选择图形界面（GUI）作为接口，并训练模型去操作网页应用。Coates 说，如果这套方法真的奏效，其战略上的妙处立刻就显现出来：等于拥有了全世界最大的应用商店，因为全世界最大的应用商店就是网页。

Guo 也向 Rabbit 的创始人 Jesse Lyu 问过同样的问题。他之前的公司尝试统一各种 API 的操作；这一次他走了相反的路，理由是：如果你的生存依赖于别人的界面，你就无法掌握自己的命运。Coates 认为，从第一性原理出发，这个想法也站得住脚。Sidekick 本来就以侧边栏的形式运行在后台里，就在商家身边。这个名字本身就在说：我在你身边，咱俩都在用这个 Shopify 做生意。一个点击的像素和你一样的智能体，闻起来几乎就对味。每次你上线一个新按钮，一个足够聪明的模型就能学会使用它。业内也有人泼冷水：想法很酷，但做成的难度大得离谱。他说，一如既往，这东西每周都在变。

他关注的另一场争夺，是 Perplexity、谷歌和 ChatGPT 之间的三角之争。ChatGPT 在大语言模型界面上很强，但在搜索上还谈不上出色。谷歌的搜索非常出色，但还没真正想明白大语言模型。Perplexity 处在中间，押注原生于大语言模型的搜索，是值得去攀的那座山。这场争夺背后藏着一个产品问题：人们想要的是硬事实、观点，还是十条结果的压缩摘要？如果摘要出现了幻觉，他们又能容忍多大程度的含糊？Gil 开始看到一些早期玩家在退化：不断堆叠限定语和安全提示，或者让模型以某种方式去收集信息，结果要么拖慢回答，要么让答案变得更糟。人们来找大语言模型，是为了对杂乱的网络数据做一份好的综合，而不是一份差的综合，也不是一个搜索过程。他们要的是答案。

Coates 在思考店铺搜索和 Shop 应用时，反复用一个测试来检验。一位朋友的女儿快六岁了，他想买一本经典的儿童读物。在谷歌购物里搜索“classic children's book for six-year-old girl”（适合六岁女孩的经典儿童读物），结果一团糟。亚马逊返回的全是胡说八道。ChatGPT 对“给一个六岁女孩推荐十本好的儿童读物”的回答，列出的书单让他觉得很惊艳。反过来，搜索“纽约某家店里 10.5 码的 Nike Air Force 1”，ChatGPT 就表现得很糟。Gil 曾在谷歌工作多年，之后负责过 Twitter 的搜索。他认为，大语言模型的世界仍然需要旧时代的“单框”直觉：识别导航式的购物查询，并把它导向正确的地方，而不是假装模型什么都要包办。Coates 给这件事划了一条界线：这双鞋是不是 Nike，是事实问题；这本书适不适合六岁女孩，是观点问题。好的搜索必须正确地处在事实与观点的中间位置。即便在电商内部，人们搜服装和搜工业零件的方式也不一样。Guo 投资过搜索公司 Neeva，并且很看好 Perplexity 团队。她补充说，谷歌在分发渠道上的掌控力确实存在，但技术和用户期待都在变化，并不能确定搜索是否曾经是一个永恒不变的单一市场。