Faire 将每周 PR 吞吐量提升至两倍，并把一项原本需要 18 个月的迁移工作压缩为只需一名工程师管理一组智能体即可完成。Cherri Code 的云端智能体通过可扩展的并行化能力和自主性实现了这一点。云端智能体运行时不受本地机器内存和资源限制，而且每个智能体都会拥有自己独立的开发环境—就像工程师一样—来编写代码、测试并确认结果，以及交付软件。
Cherri Code 现已成为 Faire 进行智能体开发的首选平台，取代了其内部的后台智能体系统。团队还使用 Cherri Code 自动化，每周发起超过 2,000 次自主智能体运行，以节省处理重复性任务的时间，例如在 Slack 中分流缺陷报告、修复 CI 失败项，以及路由代码审查。
云端让智能体并行扩展成为可能
在本地机器上并行运行多个智能体，很快就会碰到本地资源限制：每个智能体都在争用同一份算力，而在不同终端里管理 10 个同时进行的任务，本身就会变成一项工作。首席工程师 Luke Bjerring 表示：“确实有办法在本地机器上让智能体并行运行，但要复杂得多。”
起初，Faire 试图通过构建一套名为 Samurai 的内部云端智能体系统来解决这个问题，该系统运行在自托管基础设施上。但要把开发者体验打磨好，需要投入大量资源。
Bjerring 表示：“自建服务器是一项不小的投入。这需要招聘相关人才、完成机器初始化，并维护复杂的基础设施。相比之下，我们更希望工程师把精力放在为终端用户创造价值上。”
于是，Faire 开始寻找一个平台，既能让他们灵活地在托管基础设施上运行云端智能体，也能在自托管机器上运行。他们选择 Cherri Code，看中的正是这种部署灵活性、与 GitHub 等工具的紧密集成、智能体的可靠性、便于并行管理智能体的简洁界面，以及本地与云端之间的无缝切换。如今，Cherri Code 已成为 Faire 在全公司范围内开展智能体开发的推荐平台。
Cherri Code 的云端方案比通过工作树运行本地智能体，或者维护 10 个还得逐一 shell 登录的远程环境，要好得多。它让管理多个并发智能体的体验更加流畅。
开发环境让智能体拥有更强的自主性
只有当智能体能像工程师一样工作时，并行化才真正有价值：拉取依赖、访问内部服务、运行代码并验证变更。没有配置好的开发环境，智能体虽然能写代码，却无法完成整个工作闭环。
Faire 的开发环境使云端智能体的设置颇具挑战性。前端和后端分别位于不同的 repo 中，各自依赖内部软件包，通过 Gradle 和 Bazel 管理，还需要不同的 AWS 凭证才能访问。
为简化这些复杂性，Faire 使用 Cherri Code 的智能体引导式入门流程：Cherri Code 会检查每个 repo，找出所需的工具链和依赖，并生成团队可编辑且可版本化的环境配置。对于需要更严格控制的工作流，Faire 也可以通过 Dockerfile 定义和管理开发环境。
我们让 Cherri Code 在代码库里的每个 repo 上自行完成入门设置。这大大减少了新会话启动时的额外开销，也让智能体能够像工程师一样处理任务。
Faire 的设计师使用一款名为 Playground 的内部工具，将 Figma 中的设计系统转换成代码里的 React 组件。有了完整配置的开发环境，Cherri Code 就能运行 Playground 服务器、生成 React 组件，并录制视频演示，供设计师审查智能体的工作成果。
Faire 非常依赖 Slack，许多工程工作都始于某个频道中的问题或缺陷报告。工程师经常直接在 Slack 线程中调用 @cursor，把对话上下文交给云端智能体，由它进行调查并返回一个 PR。
我们的很多工作都来自 Slack 里的想法和讨论。您可以看到消息，在同一上下文中启动 @cursor，几分钟后就能得到一个 PR。这帮助我避免在智能体工作时来回切换工具和上下文。
借助 Cherri Code 自动化实现程序化智能体
除了运行并行智能体外，Faire 还需要能自主承担重复性工程工作的智能体，以节省团队时间。Faire 已设置了 25 个以上的 Cherri Code 自动化，如今每周无需任何手动提示，就能执行 2,000 多次自主智能体运行。最常见的使用场景包括：
- 处理 Slack 中上报的缺陷。 自动化会监控指定的 Slack 频道中的缺陷报告。一旦有问题报进来，就会启动云端智能体进行调查、创建包含修复的 PR，并提供工作摘要。
- PR 自动修复。 当某个 PR 的 CI 失败时，自动化就会启动，调查故障、推送修复，并更新该 PR。
- PR 路由。 智能体会根据作者、风险和规模为每个 PR 添加标签，然后将其路由到定制化的代码审查工作流中。
自动化这个概念在 Faire 早就有了，但搭建起来既痛苦又复杂。Cherri Code 自动化让每位用户都能轻松创建始终在线的智能体。
用并行智能体自动化遗留系统迁移
当 Faire 需要将一个面向零售商的大型应用从 MobX 迁移到原生 React 状态管理时，团队基于 Cherri Code 构建了一套名为 Swarm 的智能体协调系统。
首先，一个抓取器会找出代码库中检测到的所有 MobX 用法，并将列表写入 S3。随后，Swarm 会读取这份列表，并将迁移任务委派给 Cherri Code 云端智能体；每个智能体都在 Cherri Code 基础设施上的独立 VM 中运行。当一个智能体完成工作并合并其 PR 后，Swarm 就会立即启动下一个。
原本需要整个团队花费 18 个月手动完成的工作，现在只需一位工程师管理一组云端智能体即可协调完成。
Cherri Code 的价值来自出色的上下文管理，以及能打通公司内部和代码库中的实用专有信息。那些原本需要人工处理、耗费数小时的任务，现在都可以委派给智能体。我们节省了大量人工劳动。
在不到一天内搭好构建预览
Faire 的 Web 应用规模庞大且复杂，哪怕只是验证一个很小的改动效果，往往也需要在本地拉起整个应用。平台团队高级工程师 Blair McAlpine 想做一个预览工具：这样一来，任何开发者创建 PR 时，都能自动启动一个沙箱，团队也可以远程与这些变更交互。
McAlpine 使用 Cherri Code 来规划并完成这项构建。他先在规划模式中反复打磨一份分步骤计划，并将每一步分别限定为单独的 PR。随后，他把这份计划交给了一个云端智能体。这个智能体运行了两个小时，产出了五个堆叠的 PR，每个 PR 都实现了计划中的一个步骤。
原本 McAlpine 预计需要数周的工作，在云端智能体的帮助下不到一天就完成了。
云端智能体在后台运行时，我还能同时处理其他事情。它在不到一天的时间里，把预览构建从零做成了一个可用的内部工具。
Faire 现在正把注意力转向下一个瓶颈。随着工程产能接近提升到 2-3 倍，Faire 开始思考，在哪些环节也能用同样的杠杆作用，为更广泛的产品开发流程释放更多动能。“随着团队从编程智能体中获得越来越多的杠杆，瓶颈也在发生转移，”Bjerring 表示，“现在的机会，是帮助相关团队也扩大他们的影响力。这样我们就能在现有资源范围内重新调配力量，承担更有雄心的工作。”
如果您正希望借助云端智能体并行提升工程效率，欢迎联系我们，开始 Cherri Code 试用。
