AI agent 拒绝私信之后
前几天看到 Shopify CEO Tobi Lütke 发了一篇长文，讲他们内部的 AI agent River。数据挺炸的：过去 30 天，5,938 名员工在 4,450 个 Slack 频道里跟 River 协作，一周开了 1,870 个 PR，其中八分之一是 River 写的。
但真正让我愣住的不是这些数字。
是一个设计决策：River 只在公开频道工作，拒绝私信。
你给 River 发私信，它会礼貌拒绝，建议你创建一个公开频道。Tobi 自己在 #tobi_river 频道工作，常年有 100 多人蹲在里面——围观、插嘴、补充背景、接手后续工作，顺便吐槽老板代码写得烂。
你有没有这种经历？
刚入职那会儿，最怕的不是写代码，是问问题。问多了怕显得蠢，问少了怕走弯路。于是你默默 Stack Overflow，默默 ChatGPT，默默 Cursor——所有笨拙都藏在私密窗口里，没人看见，也没人能从你的笨拙中学到任何东西。
Shopify 把这条路堵死了。
合并率的反直觉
Section titled “合并率的反直觉”Shopify 的代码合并率从 36% 涨到 77%。两个月。
你猜他们做了什么？换了更好的模型？调了 prompt？
都不是。他们什么都没改。
改的是人。
人们开始看 River 卡在哪里。看它 PR 被拒的原因。看资深工程师怎么给 River 写上下文、怎么拆任务、怎么在 review 里指出它的问题。然后他们把这些观察写下来——写成 River 的 skills、instructions、memory。
每个团队的品味流进了 agent。agent 变得更懂 Shopify。
不是模型变聪明了。是人变聪明了，然后把聪明传递给了模型。
我们整天讨论”怎么让 AI 更强”，但 Shopify 证明了一件事：让 AI 更强的方式，是让周围的人更强。
16 岁的地下室
Section titled “16 岁的地下室”Tobi 16 岁辍学，去西门子子公司当学徒。德国的双元制——一半时间在企业干活，一半时间去职业学校上课，月薪 400 美元。
他的第一年是”通过仪式”：3 个月餐厅，3 个月记账，3 个月仓库，3 个月前台。他把公司里每个人喜欢喝什么咖啡都摸清了。
他最喜欢的一个小组在二号楼地下室。他不知道他们的头衔，但他们肯定在搞秘密开发。用的是 Delphi——一种已经快被遗忘的编程语言，但当时比公司规定的 Rosie SQL 灵活得多。
他怎么学会编程的？泡咖啡。长时间待在旁边。让他们的判断力渗透到自己身上。
德语有个词叫 Lehrwerkstatt——教学车间。整个工作现场就是教室。不需要课程表，不需要培训计划，不需要管理者。只需要一件事：让所有人的工作尽可能被看见。
三十年后，他建了一个公司级别的地下室。
River 就是那个地下室。只不过这次，地下室搬到了 Slack 的公开频道里，5,938 个人都能进去待着。
Midjourney 早就干过这事
Section titled “Midjourney 早就干过这事”你可能没注意，Midjourney 早期也是这么干的。
那时候用 Midjourney 画图，必须在公开的 Discord 频道里发 prompt。你的提示词、你的反复尝试、你的失败——全频道的人都能看见。没有”私密创作空间”这个概念。
这听起来像故意找麻烦。但结果是：社区里的公开试错帮新手快速爬坡。你看到别人怎么调 prompt，第二天你就会了。
Midjourney 和 Shopify River 的共同点：它们都主动牺牲了隐私和效率，换取了集体学习速度。
你的笨拙暴露在同事面前。你的失败 prompt 全频道可见。但正是这种”被看见”，让知识不再锁在个人的脑袋里。
大多数公司不会这么干。
大多数公司的 AI 工具走向相反方向：个人助手、私密会话、效率优先。ChatGPT 是私密窗口。Claude 是私密窗口。Cursor 是你和 IDE 之间的秘密。
Shopify 的选择更像是一种组织文化的技术表达：我们宁愿慢一点也不愿意不透明。
组织速度的真相
Section titled “组织速度的真相”Tobi 说了一句话，我反复读了好几遍：
组织的速度由其最低带宽的通信通道决定。
会议慢。邮件慢。私信慢。不是对当事人慢——是对组织慢。信息和决策从这些通道里出来，永远无法完全扩散到组织的其他部分，除非花巨大的额外沟通成本。
但公开对话不一样。它快速、可搜索、可教学、且能复利。下一个遇到同样问题的人，不需要再问一遍。
这就是为什么 River 的合并率能涨。不是因为模型更好，是因为组织的学习速度变快了。
一个支持工程师在 #help_checkout 频道看到另一个频道的后端工程师用 River 找到了正确的日志查询方式，第二天她就会做同样的事。一个新员工通过回看 #river 频道，学会了资深同事怎么在发出请求前做好范围界定。
agent 不取代学徒，也不取代导师。agent 让整个公司成为学徒。
因为每个人都在不断观看最有经验的人与它一起工作。
一个学徒的三十年
Section titled “一个学徒的三十年”Tobi 有阅读障碍。16 岁辍学。在德国当学徒程序员，月薪 400 美元。
2026 年，他是近 2000 亿美元市值公司的 CEO。个人代码提交量暴涨了 10 倍。用 AI 优化了自己 20 年前写的 Liquid 引擎，速度提升 53%，内存节省 61%。
他还在写代码。还在学习。还在用同样的方式——通过接近、观察、渗透。
River 是他把个人经验制度化的尝试。
我突然理解了为什么他要在文章里讲自己 16 岁的故事。不是怀旧。是想说：我就是这么学的，现在我把这种方式放大到了整个公司。
国际象棋在计算机学会下棋之后，变得更受欢迎了，不是更冷门。Tobi 2018 年就写过这个判断。
AI 不会让人们停止思考。风险不是 AI 做了工作。风险是 AI 做了工作，但我们从未从中学习。
如果每次跟 agent 的交互都发生在私密窗口里，只有键盘前的那个人能学到东西。其他人都被关在门外。
但如果你把工作放到公开的地方——
每个人都是学徒。每个人都在学习。每个人的工作都成为其他人的教材。
这就是 Lehrwerkstatt。这就是 River。这就是一个 16 岁辍学生用三十年时间想明白的事。
你平时用 AI 的时候，是开着门还是关着门？
tobi lutke. Learning on the Shop floor. X (formerly Twitter). https://x.com/tobi/status/2053121182044451016
tobi lutke. The Apprentice Programmer. tobi.lutke.com. https://tobi.lutke.com/blogs/news/11280301-the-apprentice-programmer
tobi lutke. The Future Role of Human Excellence. tobi.lutke.com (2018). https://tobi.lutke.com/blogs/news/the-future-role-of-human-excellence