在工作現場學習

多年前，我寫過一篇關於我在德國當學徒的文章。我 16 歲輟學，去西門子的一家子公司工作，在那裡，最有趣的人都坐在地下室，使用 Delphi，而不是公司強制規定的 Rosie SQL（這兩者如今都幾乎被時代和技術進步所淘汰）。我是透過觀察他們、幫他們泡咖啡、在他們身邊待得夠久，讓他們的判斷力逐漸滲透進我的腦海裡，才學會寫程式的。

過去一年，我時常回想起那段經歷，因為我們在 Shopify 打造了一個基於相同原理的東西。

她的名字叫 River。River 是一個存在於我們公司 Slack 裡的 AI Agent。你跟她說話的方式，就跟跟同事說話一樣：在 Slack 頻道裡提及 River。她能讀取程式碼、執行測試、編寫程式碼、開啟 Pull Request、查詢我們的資料倉儲、查看生產環境的追蹤記錄，還有更多功能。我們時常使用她。

在過去 30 天內，有 5,938 名 Shopify 員工在 4,450 個不同的 Slack 頻道中與 River 合作。光是上週，她就在我們的主要單一儲存庫中開啟了 1,870 個 Pull Request。上週合併到我們程式碼庫的 Pull Request 中，大約有八分之一是由 River 撰寫、由我們審查的。

現在世界上有很多寫程式的 Agent。但 River 的特別之處在於一個限制：她只在公開場合工作。

一個限制，最終成了特色

當我們開始打造 River 時，最直覺的做法是讓人們私下使用她。這也是許多其他 AI 助手的工作方式。ChatGPT 是一個私人視窗。Claude 是一個私人視窗。Cursor 存在於你和 IDE 之間。

我們做了相反的決定。River 住在 Slack 裡，也就是我們的公司聊天軟體。River 不回覆私人訊息。她會禮貌地拒絕，並建議你為她和你建立一個公開頻道來開始工作。我自己也在 #tobi_river 頻道中與 River 合作，很多人也遵循了這個模式。因此，每一次對話都是可搜尋的。Shopify 的任何人都可以加入。在我自己的頻道裡，有超過 100 人，他們會回覆討論串、補充資訊和背景、接續話題、協助審查、提醒我我的技術有多生疏，而且最重要的是，透過觀摩來學習。

這起初有點奇怪。人們習慣於使用私人工作空間來操作工具。當整個公司都能看到你的問題時，尋求幫助的感覺就不同了。但我們期望、卻沒有完全預料到其影響的一件事發生了：

人們開始互相學習。

#help_checkout 頻道裡的一位支援工程師，會看到另一位頻道的後端工程師讓 River 找到正確的日誌查詢，隔天她就會做同樣的事。一位新進員工會回滾 #river 頻道的歷史紀錄，看看資深同事在發出第一個請求之前是如何界定範圍的。

就像德語常有的情況，有一個詞可以形容這種環境：Lehrwerkstatt。字面意思是：教學工坊。整個工作現場就是教室。你透過靠近工作來學習。成為一個持續的學習者，是這家公司的核心價值之一。

Shopify 想要成為一個大規模的 Lehrwerkstatt，而 River 讓我們比以往任何時候都更接近這個理想。這是一種 滲透式學習，因為它不需要課程、培訓計劃或主管。它只需要每個人的工作在最大程度上是可見的。每個人都互相學習。

我對這個有點偶然的發現感到非常興奮，所以想分享出來。

為什麼在 AI 時代，這點更重要，而非更不重要

一個常見的擔憂是，AI 會讓人們停止思考。如果 Agent 能幫初級開發者除錯，他們為什麼還要學？如果他們可以直接問，為什麼還要閱讀程式碼庫？

我認為這個擔憂是真實的，但問題的框架錯了。風險不在於 AI 做了工作。風險在於 AI 做了工作，而我們從未從中學習。如果每次與 Agent 的互動都發生在私人視窗中，那麼唯一能學到東西的人就是坐在鍵盤前的那個人。其他所有人都被排除在學徒制之外。

當人們與他們的 Agent 在公開場合一起工作時，情況正好相反。最好的提示模式會傳播開來，知識會傳播開來。某個開發者調查 Slack 權限錯誤的巧妙方法，會成為其他人調查問題的範本。某人為了教 River 了解公司結帳資料倉儲而編寫的技能，會被其他十二個團隊重複使用。River 自己也在學習：每個頻道都可以預先載入其團隊需要的區域、技能和指示，這些都是由最了解該工作的人編寫的。River 還有一個記憶系統，會不斷學習和忘記關於公司以及最佳工作方式的重要資訊。

Agent 不會取代學徒，也不會取代導師。Agent 讓整個公司都成為學徒，因為每個人都在持續觀察最有經驗的人如何與它一起工作。

這也是合併率持續攀升的原因。我們沒有重新訓練模型。我們沒有更換模型。在兩個月內，從 36% 提升到 77% 的改善，來自於人們觀察 River 工作，注意到它在哪裡卡住，然後寫下它應該知道的事情，並幫助 River 本身成為一個更好的隊友。每個團隊累積的經驗品味都流入 Agent 中。Agent 變得更擅長成為 Shopify。

公司的速度，取決於其最慢的秘密

當我思考為什麼這很重要時，這又回到了我長期以來的一個信念：一個組織的速度，取決於其頻寬最低的溝通管道和節奏。會議很慢。電子郵件很慢。私人 DM 很慢。也許對參與其中的個人來說不是，但對組織來說是。從這些管道產生的資訊和決策，如果沒有額外大量的溝通努力，永遠無法完全擴散到組織的其他部分。

人類之間或與一個能幹的 Agent 之間的公開對話，則完全不是這樣。它快速、可搜尋、可教導，而且會產生複利效應。下一個遇到相同問題的人，不需要再問一次。

我不認為工作的未來是人類被 Agent 取代。我在 2018 年寫過一篇文章，名為 The Future Role of Human Excellence， 談到在電腦學會下棋之後，西洋棋變得更受歡迎，而不是更不受歡迎。同樣的道理也適用於此。正確的模式不是人類或機器。而是學徒和師傅，兩者都在看著彼此學習，兩者都在工作現場變得更好。

這就是 River 的意義。這就是我們的 Lehrwerkstatt。