跳到文章正文
应用 编辑推荐

谷歌 Stitch Loop 上线:一个不下班的产品智能体,自己找问题自己提 PR

Google Labs 推出实验性产品智能体 Stitch Loop,可连接代码库与线上实时数据…

谷歌 Stitch Loop 上线:一个不下班的产品智能体,自己找问题自己提 PR

凌晨三点,线上支付成功率掉了 8 个百分点,值班的人还在睡。等早上发现问题,损失已经发生。谷歌想做的,是让一个智能体替你守着这段时间。

一分钟速览

  • Google Labs 于 11 月 18 日推出实验性产品智能体 Stitch Loop;
  • 它连接代码库与线上实时数据,围绕团队设定的目标全天候运行;
  • 默认执行网络安全、响应延迟、无障碍访问三类循环,每轮包含建议、方案、执行、反思四步;
  • 支持 180 多种集成,也可通过自定义 MCP 服务器或本地命令行接入资料;
  • 代码在隔离云沙箱中编写,以 GitHub 拉取请求形式提交,必须人工审核才能合并。

它到底在“循环”什么

市面上的编码智能体大多是一次性的:你给它一个任务,它交付一段代码,任务结束。Stitch Loop 的定位完全不同,它盯的是“目标”而不是“任务”。团队先设一个想要的结果,比如支付成功率不低于某个水位、首屏加载不超过两秒、关键页面通过无障碍检查,然后这个智能体就在后台持续跑:发现偏差、提出方案、尝试修复、观察效果,再进入下一轮。

更关键的是“目标达成后仍会监测”。这句话听着平淡,实际解决的是软件行业一个老问题:修好只是暂时的,改动会让指标再次下滑。传统做法靠人反复回看,Stitch Loop 把这件事变成了常态化的后台进程。

四步闭环:建议、方案、执行、反思

每一轮循环拆成四步。第一步“建议”,智能体以产品里的真实证据为基础,指出哪些地方还有改进空间;第二步“方案”,每条建议附带一个或多个解决思路,用户可以挑;第三步“执行”,它在隔离的云端沙箱里按选定方案写代码,然后开一个 GitHub PR,必要时附上截图或录屏说明改动前后的差别;第四步“反思”,它实时监控产品数据,从每一次正面或负面的结果里学习,用来提升下一轮的判断。

默认情况下会跑三轮,用户也可以自己加轮次。180 多种集成意味着它不只看代码,还能读监控、看日志、拉分析数据;自定义 MCP 服务器和本地命令行则给了团队接入内部系统的口子。

和 Copilot、Devin 不是一类东西

把它和常见的编码助手放在一起比,会看错重点。Copilot 是“你写,它补”;Devin 这类是“你派活,它干完交付”。Stitch Loop 的差异在于触发源:不是人下指令,而是指标偏离目标。它的产品形态更接近一个“驻场的产品工程师”,每天早上给你一份带 PR 的问题清单。

这也决定了它的价值场景:不是从零写新功能,而是长期维护一个已经在跑的产品的健康度——安全漏洞、性能回归、无障碍合规,这三件事恰好是最容易被排期挤掉、又最容易出事的部分。

隐忧:PR 洪水与审查疲劳

谷歌强调所有改动都必须经过人工审核才能合并,最终决定权在人类手里。这句话既是安全阀,也是瓶颈。一个 7×24 运转的智能体,如果每天产出二十个 PR,团队很快就会从“没人管”变成“审不过来”。审查疲劳一旦出现,人就会开始批量点通过,那时“人工把关”只剩形式。

真正的落地难点不在模型能力,而在工程管理:怎么设定合理的目标阈值,怎么给 PR 排优先级,怎么让智能体的改动可回滚、可解释。这些流程没建好,工具越自动,风险越大。

趋势:从“写代码”到“守指标”

过去两年,AI 编程的主线是提升“写”的速度;Stitch Loop 提示了另一条线:让 AI 对“结果”负责。当模型能读懂监控、能改代码、能验证效果,软件团队的编制方式会被重新切分——一部分人继续做从 0 到 1 的设计,另一部分人转向定义目标、审核改动、处理例外。对中小团队来说,这可能是第一次有能力承担接近大厂的运维强度;对大团队来说,考验的是治理能力,而不是采购预算。

本文地址:https://www.163264.com/21875