Coinbase、Shopify和Ramp都自建了编码代理，但三家公司仍在使用Anthropic。
内容提要
企业工程团队正趋向于采用AI辅助软件开发架构，自建内部编码代理（如Coinbase的Forge、Shopify的River、Ramp的Inspect），同时保留商业工具用于交互式开发。核心在于拥有代理的“控制层”，管理上下文、权限、工作流和验证，而模型作为可替换的基础设施。这带来成本优化和治理优势，但成本预测困难，小型组织仍依赖商业工具。战略优势从模型转向平台层。
延伸解读
控制层成为企业AI竞争新焦点
Coinbase、Shopify和Ramp自建编码代理，但并未取代Claude Code等商业工具，而是将竞争重心从模型转移到“代理控制层”。这一层负责上下文管理、权限控制、工作流编排和验证，模型则被视为可替换的基础设施。企业通过自建控制层获得治理和成本优化优势，而模型选择成为配置项。这标志着企业AI战略从模型能力转向平台能力，控制层成为新的差异化竞争点。
成本优化依赖平台层而非模型
Coinbase通过智能路由、默认低成本模型、提示缓存和更小的上下文窗口，在增加token处理量的同时降低总支出。这些优化之所以可行，是因为企业拥有网关层，可以集中调整策略，无需让数千名工程师更换工具。然而，成本预测依然困难：斯坦福和微软的研究显示，自主编码工作流的token消耗可达交互式生成的千倍，且波动巨大。因此，成本控制成为平台层的核心职责，而非模型本身。
内部代理与商业工具互补分工
内部代理（如Forge、River、Inspect）主要处理异步工作流，如从Slack或问题追踪器启动、与内部系统交互、根据生产遥测验证变更；而商业助手（如Claude Code、Codex）则主导交互式开发，即开发者在编辑器或终端中的直接操作。两者并非替代关系，而是互补。Coinbase工程师仍广泛使用Claude Code，Shopify开发者同时使用River和商业工具，Ramp近半数工程师每周使用Claude Code。
小型组织仍依赖商业工具
自建代理控制层需要成熟的平台工程团队，因此并非所有企业都适合。小型组织可能继续主要依赖商业工具，由供应商承担运营复杂性。这类似于云平台演进：企业不会自建云基础设施，而是在公共云上构建更高层次的抽象。对于大多数企业，关键决策不再是自建还是购买AI助手，而是是否拥有位于开发者与基础模型之间的编排层。
Q&A
Coinbase、Shopify和Ramp为什么自建编码代理，但仍然使用Anthropic等商业工具？
这些公司自建编码代理（如Coinbase的Forge、Shopify的River、Ramp的Inspect）是为了拥有代理的“控制层”，即管理上下文、权限、工作流和验证的执行环境，而模型（如Anthropic的Claude）作为可替换的基础设施。它们保留商业工具用于交互式开发，因为内部代理主要处理异步工作流，而商业助手在开发者直接编辑代码时更高效。
Coinbase的Forge代理是如何工作的？
Forge集成Slack、GitHub和Linear，将bug报告转化为拉取请求，减少开发者干预。它检索仓库上下文、生成代码、验证更改，并生成移动构建供审查。
Shopify的River代理在什么基础上运行，其成效如何？
River运行在可复现的工程环境上，该环境基于公司级monorepo、持久执行会话、沙箱环境、凭证管理和可复用的工程技能。Shopify报告称，River参与了每八个合并拉取请求中的一个。
Ramp的Inspect代理有哪些特点？
Inspect在沙箱虚拟机中执行，模拟开发者本地环境，集成Datadog、Sentry、LaunchDarkly、Buildkite等系统，并保持模型无关，支持多种前沿模型、MCP服务器、自定义工具和专有工作流。
企业自建编码代理的主要优势是什么？
优势包括集中治理、模型可移植性、安全执行和成本优化。例如，Coinbase通过智能路由、提示缓存和更小的上下文窗口降低了成本，同时处理更多token。
为什么AI编码成本难以预测？
斯坦福和微软的研究发现，自主编码工作流消耗的token可能比交互式代码生成多1000倍，即使相同任务也可能有数量级的差异，这使得预算比传统云基础设施更难。
内部编码代理和商业编码助手（如Claude Code）如何分工？
内部代理处理异步工作流，如从Slack或问题跟踪器开始的任务，与内部系统交互，并根据生产遥测验证更改。商业助手主导交互式开发，开发者在编辑器或终端中直接使用。两者互补而非替代。
企业是否应该自建编码代理？
对于拥有成熟平台工程团队的组织，自建代理可带来治理、可移植性和成本优化。但小型组织可能继续依赖商业工具，因为供应商承担了操作复杂性。
