Stripe开发了名为"minions"的自动化代码生成系统，每周自动生成并合并1300多个PR（人类仅做审核）。该系统基于可并行化、可预测且隔离的云开发环境，确保代理程序互不干扰且安全运行。本文重点介绍了该系统的技术实现细节。

标题：Stripe自主研发的无人值守代码代理Minions（下篇）

核心内容概述：

本文是Stripe关于其内部代码代理系统Minions系列文章的第二部分，重点介绍了该系统的技术架构与实现细节。作为背景补充，Minions是Stripe自主研发的无人值守代码工作流，目前每周自动生成并合并超过1,300个拉取请求（较上篇提到的1,000个有所增长），这些请求仅需人工审核而无需人工编写代码。

关键技术组件：

1. 开发环境（Devboxes）

   • 采用与工程师相同的标准化AWS EC2开发环境，具备并行化、可预测性和隔离性
   • 10秒快速启动机制：通过预克隆代码库、预热构建缓存等实现"热启动"
   • 天然隔离特性为AI代理提供了安全沙箱环境

2. 代理架构

   • 基于开源项目Goose定制化开发，专为无人值守场景优化
   • 区别于常规代码助手的特点：无需人工干预确认，直接拥有完整权限执行
   • 充分利用Stripe现有开发基础设施的优势

3. 蓝图（Blueprints）系统

   • 创新性地混合确定性工作流和自主代理决策
   • 通过状态机设计结合确定性代码节点（如执行linter）和自由决策节点（如修复CI问题）
   • 典型案例：团队可定制蓝图处理复杂代码迁移任务

4. 上下文获取机制

   • 规则文件：采用行业标准格式（如Cursor的规则文件），实现代码库知识传递
   • 模型上下文协议（MCP）：通过内部工具中心Toolshed集中管理近500个API工具
   • 安全控制：开发环境隔离+精细化工具权限管理

5. 迭代优化

   • 本地预验证：在推送前执行linter等静态检查
   • CI集成策略：采用"两轮验证"机制平衡效率与质量
   • 遵循"左移反馈"原则，最大化利用现有300万测试用例

核心洞见：

Stripe发现，过去为提升工程师生产力所做的基建投入（如开发环境优化、测试体系构建等），在AI代理时代产生了意外回报。Minions的成功印证了"对人类开发者友好的设计同样适用于AI代理"这一理念。目前该系统已深度融入Stripe的工程实践，并持续吸收行业最新进展进行迭代。

（注：原文中的图片说明及招聘信息等非技术性内容已酌情精简，保留了技术实现的完整逻辑链条和关键细节）

总结评论内容如下：

1. 质疑AI代码质量与审查机制

   • 评论1、4、7指出缺乏实际案例，担心AI生成的代码是否经过实质性审查
     "Are any companies doing this sharing the code...or rubber stamping"
     "is this code being shipped? Maintained? Reviewed?"
   • 评论7强调高质量人工输入的重要性
     "Dark secret...is high quality human input"

2. 批评内容空洞营销化

   • 评论3、5、9认为文章缺乏技术细节，像营销软文
     "read like LLM generated content marketing"
     "feels like a fluff piece...with little to no examples"
   • 评论9期待更深入的技术博客
     "It'd be nice to get an old school, stripey blog post"

3. 对金融领域AI应用的担忧

   • 评论2、6以讽刺语气质疑关键基础设施的可靠性
     "vibe coding critical financial infrastructure"
     "can they ask their coding agents to support 3D secure"
   • 评论12直接质疑动机
     "this is just a marketing favor to other VC AI companies"

4. 技术实现细节的疑问

   • 评论10、11对开发环境和可视化工具提出疑问
     "What's the deal with Devboxes?"
     "is there a way to visualize what your agents are doing?"
   • 评论8指出技术问题
     "Why they is so many 404. Linked to mp3"

主要矛盾点：
• 支持方认为AI开发是技术进步（隐含在评分中）
• 反对方认为缺乏实质案例，存在营销嫌疑，且金融领域需谨慎