押注工作坊模式智能体青睐明确、一致且文档完善的软件将其放入混乱代码仓库是对工程规范的有效审查。Shopify 表现出色若没有前期工程准备River 不会成功。2024 年初该公司存在众多代码仓库、定制化开发环境和缓慢反馈循环于是做出迁移到单仓库、基于 Nix 构建开发环境等决策还开始在全公司创建对代码的共享记忆。集体编码River 仅在公共 Slack 频道工作不支持直接消息和私人群组这是一种运营模式类似在 Slack 内进行开源代码开发。每次 River 会话会形成可见记录Shopify 可挖掘记录并反馈到 River 的技能等方面。而多数企业部署 AI 时开发者在私人环境与私人聊天机器人协作会话结束后发现就消失公司无法进步。记录即成果企业在知识管理方面常将文档视为工作完成后才撰写的东西这通常行不通。River 提出工作本身生成文档的模式虽多数记录可能无用但有用的可成为技能等帮助下一个人。Shopify 表示 River 会话可搜索、可复现这是一个学习循环。AI 可让软件组织更具可学习性但需车间制度化。神奇的记忆文件agents.md 文件若正确使用能发挥作用据说超 6 万个开源项目在使用它。GitHub 给出使用指导苏黎世联邦理工学院研究人员测试发现代码仓库级上下文文件通常会降低任务成功率、提高推理成本。InfoQ 指出大语言模型生成的上下文文件有害人工编写的应关注无法推理得出的细节。企业软件中有很多值得保留的上下文车间版 agents.md 是观察到的工作留下的痕迹。你不是 Shopify多数公司可能无法复制 Shopify 的做法非 Shopify 公司应思考智能体工作在哪进行、谁能从中学习。智能体工作应在适当情况下可检查、可复用和可改进组织应能看到整个过程但要注意保护客户数据等。共享学习是新旧方式多年来开发者体验主要是为个人消除障碍智能体驱动的开发增加了共享学习的要求。出色的开发者体验需满足下一位开发者能否受益等条件可见性不等于监控目标是让有价值的工作透明产生累积效应。在 River 的故事中人类仍是老师组织要决定好的工作公开工作能让组织从教学中学习企业内部智能体编码的潜力是让开发者利用集体智慧。卢特克在技艺可见的房间学习手艺智能体时代获胜的公司将为软件开发重建这样的房间AI 应公开工作。