Warp 如何用 AI 软件工厂每月交付 2000 个 PR|对话 CEO Zach Lloyd
摘要
Warp 联合创始人兼 CEO Zach Lloyd 在访谈中介绍,Warp 已从 AI 终端扩展为“软件工厂”——一套把 Slack 里的想法自动推进到合并 PR 的云端系统,使其每月可产出约 2000 个 PR,并分享了其度量成本、质量和自动化程度的具体方法。
核心要点
- Warp 的 AI 终端被数万名工程师使用,团队在此基础上扩展出“软件工厂”:一个全云端系统,可将 Slack 中的想法一路推进到合并的 PR。
- 流水线横跨 Slack、Linear、GitHub 与 QA 环节,并支持自动化触发(如 Sentry 崩溃报告可自动触发任务)。
- 团队把“每个 PR 需要多少次人工交互”当作自动化程度与吞吐量的信号指标,并明确指出人类代码审查仍是最大瓶颈。
- 工程侧会跟踪不同模型配置下“每个 PR 的成本”,并用 LLM-as-a-judge 对每一次 agent 运行打分,用以识别冗余测试等失败模式。
- 工厂会从失败的运行中自我改进;团队通过回放真实任务,构建成本-质量的帕累托图来决定模型选型。
原文佐证
- the team has since expanded into software factories: a full cloud-based system that takes an idea in Slack all the way through to a merged PR
- Human interactions per PR as a signal of automation and throughput
- Why human review is still the bottleneck
AI 洞察
这条访谈真正的信号是:AI 编程的竞争焦点正从“生成代码”转向“编排流水线”,谁能把从需求到合并 PR 的全链路自动化并持续度量,谁就把软件产能变成了可优化的工业指标。当“每个 PR 的人工交互次数”和“每个 PR 的成本”这类指标普及后,模型选型会更像供应链管理而非技术偏好。而人类审查仍是瓶颈,意味着下一波价值增量大概率落在自动验证与 QA 层,而非模型本身。