Block 推出 Builderbot：AI 代码工程师已接管 15% 生产环境变更

Block 旗下的 AI 原生开发平台 Builderbot 已在公司内部上线，并开始在生产环境中执行约 15% 的代码变更。Block 表示，该工具目前每天可自主执行超过 20 万次操作，每周合并约 1500 个拉取请求（pull requests），成为连接 AI 编码助手与大规模工程实践之间的“缺失层”。Block AI 能力负责人 Brad Axen 表示，有了 Builderbot，“原本需要数月才能完成的工作，现在只需几天”。这标志着自动化 AI 代理已开始承担可量化的生产级工作，而不再仅仅是辅助编写代码的工具。

Builderbot 的核心是一个编排层，能够协调公司整个代码库中多个 AI 代理的协作。不同于传统编码助手仅能在单一代码库中运行，Builderbot 对 Block 的所有服务、API 和编码规范都有完整认知。这意味着，任何工程师都可以通过该系统在公司的任何服务中进行变更，即使该服务与其过往经验无关。例如，一名 Cash App 的工程师可以使用 Builderbot 在 Square 的服务中进行修改，因为系统已经“知道”该服务如何运作。这种跨服务的自主协调能力，让 AI 能够接管重复性工作，同时由工程师负责决策与产品方向。

Block 将这一进展与 2026 年 2 月裁员 40% 的决定联系起来。公司创始人 Jack Dorsey 当时表示，裁员是因为 AI 技术在公司内部的快速发展。从 Builderbot 的运行数据来看，这并非空话：每周合并 1500 个 PR、每天 20 万次操作，意味着 AI 已经在实际生产流程中承担了大量工作量。对 Block 这样的大型金融科技公司而言，这不仅是效率提升，更是工程组织方式的转变——从人工驱动的代码变更，转向 AI 驱动的自主执行与人工决策的结合。

Block 如何用 Builderbot 重塑工程流程

Builderbot 的关键突破在于它解决了 AI 编码工具在大规模工程中的两大痛点：上下文缺失与协调复杂度。传统的 AI 编码助手（如 GitHub Copilot）擅长在单个文件或仓库内生成代码片段，但无法理解整个系统的架构、依赖关系与业务逻辑。而 Builderbot 通过构建一个统一的编排层，将多个 AI 代理（包括专门负责测试、部署、文档生成的代理）整合在一起，形成一个“AI 软件工程师团队”。

这种设计让 Builderbot 能够处理跨服务的变更。例如，当 Cash App 需要调整支付流程时，可能涉及 Square 的订单系统、用户账户服务与风控引擎。以往需要多个团队协调数周，现在由 Builderbot 自动生成变更、运行测试、更新文档，并提交 PR。工程师只需审核最终结果并决定是否批准合并。这种模式不仅加速了交付速度，也减少了人为协调的沟通成本。

此外，Builderbot 的自主操作能力让它能够在夜间或低峰时段执行大量批量变更，进一步提升了系统的吞吐量。Block 表示，这使得“一个想法从待办事项转化为面向数百万用户的功能，只需几天时间，而非数月”。对于一家拥有 Cash App、Square 等产品的公司而言，这种交付效率的提升直接关乎用户体验与市场竞争力。

从编码助手到生产级 AI 工程师

Builderbot 的出现，标志着 AI 在软件工程中的角色从“辅助工具”演进为“生产执行者”。过去几年，AI 编码助手（如 Copilot）主要用于提升开发者的个人效率，通过自动补全或生成代码片段来减少重复劳动。但它们无法独立完成端到端的工程任务，更无法在生产环境中直接合并代码。而 Builderbot 的不同之处在于，它能够自主执行完整的代码变更流程，包括生成代码、运行测试、提交 PR、处理反馈，甚至在某些情况下自行合并经过验证的变更。

这种能力的转变得益于两项技术进步：一是大规模代码库的上下文理解，二是多代理协作的编排能力。Block 通过长期积累的代码库、API 文档与工程规范，为 Builderbot 提供了“记忆库”，使其能够理解系统的整体结构。同时，编排层让多个专业化的 AI 代理（如专门负责测试的代理、专门负责部署的代理）能够协同工作，避免了单一模型在复杂任务中的局限性。

对开发者而言，这意味着他们不再需要手动处理大量重复性工作，而是可以将精力集中在架构决策、产品设计与系统优化上。Axen 所言的“缺失层”，正是指 Builderbot 弥合了 AI 工具与实际工程实践之间的鸿沟，让自动化能够真正落地到生产环境中。

裁员与效率：AI 加速下的组织变革

Block 在 2026 年 2 月宣布裁员 40%，引发外界对 AI 替代人工的担忧。从 Builderbot 的运行数据来看，裁员与 AI 效率提升确实存在关联。公司表示，AI 已经能够自主执行 15% 的生产代码变更，这意味着大量原本需要人工完成的编码、测试与部署工作，现在可以由 AI 代理接管。对于一家拥有数千名工程师的公司而言，这相当于释放了大量人力资源，并重新定义了工程团队的职责边界。

然而，裁员并不意味着 Block 完全放弃了人工工程师。恰恰相反，公司强调 AI 是“决策者与监督者”，而人类工程师则负责更高层次的设计、审核与创新。这种“人机协作”的模式让 Block 能够在保持高效交付的同时，继续推动产品与技术的演进。Axen 表示，“想法从待办事项到面向用户，只需几天”，这背后依赖的正是 AI 执行与人工决策的结合。

从更广泛的行业角度看，Block 的实践反映了软件工程组织在 AI 时代的演进方向。随着 AI 代理能够自主完成越来越多的工程任务，传统的开发团队结构可能会发生变化：更少的“执行者”，更多的“设计者”与“监督者”。这对于工程师个人也提出了新的要求——掌握 AI 工具的使用方法、理解系统架构的能力，以及在 AI 代理辅助下进行高层次决策的素质。

技术细节与未来扩展空向

Builderbot 的技术架构主要由两部分组成：上下文理解引擎与多代理协作编排层。上下文理解引擎基于 Block 多年积累的代码库、API 文档与工程规范，通过深度学习模型构建出系统的全局视图。这让 Builderbot 能够识别跨服务的依赖关系，并预测变更可能带来的影响。例如，当 Cash App 需要修改支付逻辑时，Builderbot 会自动检查 Square 的订单服务、用户账户服务与风控引擎的兼容性，并生成相应的变更方案。

协作编排层则负责管理多个专业化的 AI 代理，包括：

• 代码生成代理：负责根据需求生成代码，并确保符合 Block 的编码规范。
• 测试代理：自动生成并运行单元测试、集成测试与端到端测试，确保变更的正确性。
• 文档代理：根据代码变更自动更新 API 文档、架构图与用户手册。
• 部署代理：负责将经过验证的变更部署到生产环境，并处理回滚逻辑。
• 审核代理：对 AI 生成的变更进行初步审核，筛选出高风险或不符合规范的变更。

这种模块化的设计让 Builderbot 能够随着 Block 的业务发展而扩展。例如，当公司推出新的金融产品时，可以快速训练或配置新的 AI 代理来支持相关的工程任务。此外，Block 还在探索让 Builderbot 与公司的其他 AI 系统（如客户服务 AI、风控 AI）进行更深度的集成，进一步提升自动化程度。

对开发者与企业的启示

Builderbot 的成功上线，为整个软件行业提供了一个可复制的范本：如何将 AI 编码工具从辅助角色提升至生产执行者。对于其他企业而言，关键的启示在于两点：

1. 上下文理解是基础：AI 工具要想在生产环境中自主执行任务，必须对公司的整个代码库、架构与业务逻辑有深入的理解。这需要长期积累的工程资产，以及专门的模型训练与微调。
2. 编排能力是关键：单一的 AI 模型无法完成复杂的端到端工程任务。通过编排多个专业化的 AI 代理，企业可以构建出一个“AI 工程师团队”，从而实现真正的自主执行。

对开发者个人而言，Builderbot 的出现也意味着技能需求的转变。传统的“编写代码”能力固然重要，但更关键的可能是“与 AI 协作”的能力——如何定义需求、审核 AI 生成的代码、优化系统架构，以及在 AI 代理的辅助下进行高效决策。这对于即将进入职场的新人，以及希望转型的资深工程师，都是需要重新学习的领域。

行业竞争与监管关切

随着 Block 的 Builderbot 等 AI 原生工具在生产环境中落地，整个软件行业正在进入一个新的竞争阶段。那些能够快速构建并部署 AI 驱动的工程系统的公司，将在交付速度与产品创新上获得显著优势。这可能加剧行业的马太效应：大型科技公司凭借资源优势率先部署 AI 工程师，而中小企业则面临更大的竞争压力。

与此同时，AI 在生产环境中的自主执行也引发了监管与安全方面的担忧。例如，当 AI 代理能够自行合并代码变更时，如何确保这些变更符合合规要求？如何防止 AI 生成的代码引入安全漏洞？Block 在发布 Builderbot 时强调了人工审核的重要性，但随着 AI 自主能力的提升，监管框架与内部治理机制也需要同步演进。企业需要建立更完善的 AI 治理体系，包括变更审批流程、安全检查自动化、以及责任归属的明确化。

此外，AI 代理在金融科技等高风险领域的自主执行，还可能引发关于“可解释性”与“透明度”的讨论。监管机构可能要求企业证明 AI 生成的代码变更是可追溯的，并且不会对系统稳定性或用户安全造成不可接受的风险。这意味着，Builderbot 这样的工具在未来可能需要集成更强大的审计与日志功能，以满足合规要求。

我们该关注什么？

对于关注技术趋势的从业者与投资者而言，Builderbot 的上线至少有三个值得持续关注的方向：

1. AI 工程师的普及速度：Block 在内部实现了 15% 的生产代码自主执行，这只是一个起点。随着技术的成熟，这一比例可能会快速提升。企业需要评估 AI 工程师对其工程团队的影响，并制定相应的转型策略。
2. 开源 vs. 专有工具：Block 的 Builderbot 是一个专有系统，基于公司内部的代码库与工程规范。但随着 AI 编排技术的成熟，是否会出现开源的“AI 工程师”框架？这将影响整个行业的技术生态。
3. 人机协作的新模式：未来的软件工程团队可能由人类工程师与 AI 代理组成，双方在不同层次上分工协作。如何设计这种新的协作模式，将成为企业与工程师都需要思考的问题。

从更长远的角度看，Builderbot 的出现可能只是一个开始。随着 AI 代理在工程领域的能力持续提升，我们可能会看到更多“自主软件公司”的出现——即由 AI 代理主导开发、测试与部署的公司。这对于整个软件行业的组织形态、人才结构，乃至商业模式，都将产生深远的影响。

结论

Block 的 Builderbot 证明，AI 已经从编码助手演进为生产级的工程执行者。通过构建一个统一的编排层，Builderbot 能够协调多个 AI 代理，自主完成 15% 的生产代码变更，并将交付时间从数月缩短至数天。这不仅是技术上的突破，更是工程组织方式的重塑。随着 AI 在生产环境中的角色不断扩大，企业需要重新思考工程团队的构成、工程师的技能要求，以及 AI 治理的机制。

对开发者而言，与 AI 协作将成为一项基础技能；对企业而言，构建 AI 驱动的工程系统将成为竞争的关键。而监管与安全问题，也将随着 AI 自主能力的提升而变得更加迫切。Builderbot 的成功上线，只是这一趋势的开始。未来几年，我们将见证更多企业跟进，并看到整个软件行业在 AI 驱动下的深刻变革。