Spotify 稱頂尖開發者 12 月起沒寫過程式碼：通勤路上用 Claude 改 bug

早晨擠在地鐵裡，很多人還在刷社交媒體打瞌睡，Spotify 的工程師已經在手機上把新版本發到線上了。

這不是比喻，而是 Spotify 聯席 CEO Gustav Söderström 剛在第四季度財報電話會上透露的真實日常。他說了一句讓技術圈炸鍋的話：公司裡最厲害的那批開發者，從 12 月開始就已經沒寫過一行程式碼了。

在手機上指揮 Claude Code，還沒進公司程式碼就上線了

這套操作全靠 Spotify 內部搭建的一套叫「Honk」的系統，核心接入了 Anthropic 的 Claude Code。

Söderström 舉了個很生動的例子。工程師早晨通勤路上，拿出手機開啟 Slack，直接跟 Claude 交代一句：去修個 bug，或者給 iOS 端加上某個新功能。

Claude 收到指令開始幹活，寫完後直接把打包好的新版本應用推回手機上的 Slack。工程師甚至還沒踏進辦公室大門，就能在手機上確認並直接合併到生產環境。

Spotify 透露，整個 2025 年他們給流媒體應用推了 50 多項新功能和改動。最近幾週上線的 AI 提示詞歌單、有聲書的「Page Match」，還有「About This Song」，全都是這種高節奏下的產物。

在 Söderström 看來，這絕不是 AI 開發的終點，僅僅是個開頭。

誰能定義健身音樂？主觀資料成了護城河

除了寫程式碼，Söderström 還提到了 Spotify 的另一個殺手鐧，那就是大模型沒辦法從公開網頁上直接抄走的資料。

像維基百科那種事實類知識，任何大模型抓一遍就能學會。但音樂這種東西，根本沒有標準答案。

比如問一句「什麼是適合健身的音樂」，每個人的回答完全不同。美國人整體更偏愛嘻哈，但也有幾百萬人非要聽死亡金屬；不少歐洲人習慣聽 EDM 運動，北歐很多地方的人卻愛聽重金屬。

Spotify 目前就在構建這種別人無法輕易複製的主觀偏好資料集。Söderström 稱這套資料在業界絕無僅有，每次重新訓練模型，推薦能力都在肉眼可見地變好。

至於外界擔心的 AI 生成音樂垃圾氾濫，Spotify 表示目前允許音樂人和唱片公司在後設資料裡標明製作方式，平臺也在持續清理垃圾內容。

為什麼重要

我們認為，Spotify 這次展示的畫面，是 AI 輔助程式設計從「補全程式碼的助手」走向「全自動作業代理」的一個分水嶺。

過去大家用 AI 程式設計，多數是在電腦編輯器裡讓它補一行、查個錯，人還是被綁在工位和鍵盤前。而 Spotify 把 Claude Code 接進 Slack 和內部自動化管線，讓工程師直接變成了產品經理兼程式碼審查員。動動嘴皮子就能遠端部署，開發效率的量級完全變了。

看起來，這種做法聰明的點在於它沒有盲目追求全自動無人值守，依然保留了工程師最後的合併把關，但把繁重的敲鍵盤和除錯全甩給了 AI。這對其他科技公司是個直接的壓力測試：如果同行坐地鐵時都能上線一個功能，每天還在按部就班走傳統開發週期的團隊，節奏上會被拉開多大差距？

不過隱患也顯而易見。手機端點一下就合併到生產環境，意味著系統的安全校驗和自動化測試必須萬無一失。一旦底層工具出現細微偏差，出事故的門檻也同樣變低了。對於普通開發者來說，現在可能還沒法複製一模一樣的內部系統，但學習怎麼用自然語言去給 AI 交代架構需求，已經是不得不練的基本功了。