Patrick Collison：用 AI 加速开发，同时保持可靠性

Patrick Collison 说，他在家里安装了气象站，并用 Claude 从零开始设计了一个多模态模型。据他介绍，该模型对下午天气的预测比美国国家气象局更准确。

Boris Cherny 问 Stripe 为什么决定使用远程开发环境。Collison 说，可靠性和安全很重要：Stripe 的核心 API 追求他所说的“五个半九”的可靠性，同时还希望快速推出功能并持续部署。

Collison 说，在金融服务业，一些机构每月、每季度甚至更久才部署一次。这可以带来局部稳定，但会减慢客户反馈；几个月的变更累积在一起，也会让迁移更棘手。他说，Stripe 希望每天多次获得客户反馈，不愿为此妥协。

为了兼顾可靠性和持续开发，Stripe 投资了整个开发和质量保障流程。开发环境是其中一环，提供监测和可观测性。之后，变更会渐进发布：先部署到少数机器，再可能扩大到 1%，然后继续推广。

Collison 说，AI 辅助开发引出一个问题：当人们可能不再逐行仔细检查时，团队能否在大幅提速的同时不损失质量？他和一名 Stripe 工程师聊过，对方在今年上半年合并了 600 多个拉取请求。他说，这些请求全部由 AI 编写，其中一个需要回退。

Stripe 的 Minions 系统可以通过 Slack、网页界面或其他工具接收任务，创建全新的虚拟机并执行工作。Collison 说，系统会打包并提交变更，进行构建，并在整个流程中运行测试套件。

Collison 说，过去 18 个月里，每个拉取请求的质量有所提高，尽管单位时间内的事故略有增加。大多数事故很轻微，其他机制在问题变得严重之前将其捕获，因此整体可靠性基本没有变化。他预计 AI 将帮助构建更好的监控和自动检查，让 Stripe 在未来一两年变得更加可靠。

被问及哪些防护措施能让团队加快交付而不牺牲质量时，Collison 强调固定约束和严格边界，而不是主观或概率性的保护措施。他说，模型经过对齐、更有可能写出安全代码当然有帮助，但没有模型是完美的，因此系统应依靠明确的保障。

Cherny 提到内建于基础设施的防护措施，以及阻止未授权访问的数据隔离。Collison 表示认同：Stripe 在 2017 年开始投资数据标注和能识别上下文的控制措施，之后花了多年进行标记和细粒度权限配置。他说，这些安全工作也让公司在智能体开发时代处于更有利的位置。

Collison 认为，AI 最终更有利于攻击者还是防御者，仍然是一个开放问题。他猜测，几年后达到均衡时，它将明显更有利于防御。

Collison 说，Stripe 的每个开发环境都预装了 Claude Code，它通常是开展任务的起点。Stripe Projects 就是一个例子，其灵感来自这样一种需要：用 Claude Code 构建的项目往往需要连接日志、托管和数据库等服务。

由于许多此类服务提供商已经是 Stripe 客户，Stripe 与他们合作，让智能体能够轻松创建账户。Collison 说，两三名工程师用约两个月将项目从最初想法推进到公开发布，其中包括内部服务以及与约 50 项外部服务的集成。

一名参与项目的工程师估计，在 AI 出现之前，这项工作需要更大的团队和六个月。Collison 假设团队规模增加一倍，以此说明相对变化约为六倍；他同时承认存在不确定性，并提醒加速幅度不一定相同：有些项目比其他项目快得多。

Cherny 问工程师如何利用节省下来的时间。Collison 说，Stripe 正在创造更多产品、开展更多实验。他说，在公司的年度 Sessions 大会上，新产品和新功能的数量远超往年；工程团队规模有所扩大，但他也看到了生产力提升的影响。

Collison 说，Stripe 也在承担更多改善架构和代码库的工作。他引用了一种看法：现在每个代码库都是另一个代码库的提示词；他预计三年后 Stripe 的代码质量会更高。Cherny 补充说，AI 不仅能编写产品代码，还能用于构建基础设施和防护措施。

谈到采用过程中的障碍时，Collison 说，工程师非常积极地接受了这些工具。Claude Code 本身以及随后的模型改进都是转折点。一个持续存在的挑战是，随着技术变化，人们需要逐渐理解什么是可能的，以及如何组织工作。

他描述了一名工程师如何与可用的最强模型共同制定详细计划，然后调度约十个开发环境，让智能体执行不同部分。有些任务可能持续一天，极端情况下甚至持续多天。Collison 说，人们一开始不容易意识到，得到适当引导的模型能完成和验证多少工作。

Collison 说，他曾低估规划的作用，现在已经改变了使用模型的方式。Cherny 说，过去未能完成的项目，如今可以先做完，再决定自己是否想要这个结果。Collison 表示认同：当想法更容易变成现实，好奇心的回报也更高。

Cherny 问 Stripe 是否看到小团队竞争力增强的证据。他说，在他询问的非常小的初创公司中，现在约有 70% 表示所有代码都用 AI 编写。他还看到更多初创公司行动更快、解决更有雄心的问题。

Collison 说，Stripe 拥有大约 15 年的企业成立数据，并将其视为更广泛生态活动的参考指标。他说，单位时间内在 Stripe 上启动的新企业数量大约翻倍，增幅高于公司此前观察到的任何一次相对加速。

他说，现在约有四分之一的特拉华州公司通过 Stripe 注册成立，他认为 Stripe 在真正的初创公司中的份额更高。他说，大多数国家都出现了加速增长。在英国，他将显示新公司成立数量同比下降的官方数据，与 Stripe 自己的分析作对比；他说，后者显示新的创业活动大幅增加。

Collison 说，新企业的平均收入正在上升，达到 10 万美元或 100 万美元等收入门槛的企业数量也大幅增加。他认为创业环境变得更好，并说 Stripe 观察到的数据指向更多新企业成立，而不是一些人担心的 AI 带来的经济集中化。

被问及这些变化如何影响 Stripe 的产品时，Collison 说，公司正在考虑 AI 智能体如何注册 Stripe、使用工具并相互交易。这包括现有接口是否足够，以及如何让智能体能够操作各种功能。

Collison 说，Stripe 当前的判断是，大约三年内，大多数交易将发生在智能体之间。他区分了交易数量和金额：他不一定认为大部分资金会直接在智能体之间流动，但预计会出现大量金额较小的智能体间支付。