AI 賦能開發，Spotify 月代碼變更量翻倍

作者 ｜ Leela Kumili

譯者 ｜ 明知山

Spotify 擴大了 AI 輔助開發的應用範圍，8 月份合併變更量同比增長一倍以上，從約 8100 個增至 17000 個。該公司正在調整質量與可靠性控制體系，以應對生產系統中激增的軟件變更數量。

Spotify 運營着近 3000 個生產服務，支撐着 7.77 億月活用户，約 1 億併發客户端，每秒處理 1100 萬至 1200 萬次后端請求。在覆盤工作中發現了內容處理、集群變更、計算容量以及移動端應用質量方面的問題。對此，Spotify 對監控、測試、發佈防護、回滾能力、容量規劃和質量度量進行了優化。

其中一次事故與 Spotify 的內容處理流水線有關，該流水線每天處理超 50 萬首新增歌曲、視頻、播客及有聲書。6 月 24 日，一個計劃內的定時批處理任務與新節目內容搶佔資源，一項質量優化提升了處理資源需求，而一個調度錯誤使吞吐量降低了約 10%。原本幾分鍾內就能上線的節目，延迟了數小時。Spotify 后續新增端到端監控、修復調度器、調低批處理任務優先級、重構任務優先級策略並進行了擴容。

集群自動化帶來了不一樣的挑戰。Spotify 的集群管理系統已合併超過 250 萬個自動化維護拉取請求，其中大部分在安全檢查后自動合併。公司后來引入了 Honk，這是一個在 Kubernetes Pod 中使用 Agent SDK 運行 Claude 的后臺編碼智能體。Fleetshift 負責目標選擇、調度和進度跟蹤，Honk 完成代碼修改並可在 CI 中執行構建。Spotify 報告稱，最近其后端服務的一次 Java 遷移耗時三天。

不過 Spotify 表示，一次自動化依賴升級雖然通過了現有校驗，卻在生產環境發生故障。公司正在強化防護手段、擴大回滾能力，並將自動化變更安排在負責團隊的工作時段執行。

JumpCloud 軟件工程師 Amit Jha 在 LinkedIn 發帖討論 Spotify 的覆盤時提到：

更多的變更意味着測試、評審和可觀測性面臨更大壓力。

Alex Beck 在 LinkedIn 帖子中同樣聚焦驗證難題：

編寫代碼變得更容易了。現在的難點是確保代碼上線前質量達標。

這些發現為谷歌 2025 年 DORA 研究提供了背景：該研究發現，採用 AI 會提升軟件交付吞吐量與產品性能，但同時和交付穩定性呈負相關。研究指出，自動化測試、版本控制與快速反饋閉環是在引入 AI 時管理軟件交付的關鍵實踐。

Spotify 將標準化維護交給集群管理系統，Honk 用於複雜的代碼變更，Fleetshift 負責編排，CI 承擔驗證工作。質量和優化工作佔合併變更的比例從 27% 上升至 31%，而維護和配置工作從 31% 下降至 25%。Spotify 報告稱返工量並未隨之增長，但拉取請求體量與代碼複雜度正在上升。事件審查發現 AI 編寫的代碼沒有造成實質性的直接影響，但變更數量已經超過了一些驗證機制的處理能力。

查看英文原文：

https://www.infoq.com/news/2026/10/spotify-ai-quality-controls/