Sierra 发布内部云智能体 Pinecone，600 人一月创建超 7.5 万会话

这是关于我们如何用 AI 改造公司系列文章的一部分。

随着前沿模型能力不断增强，公司越来越频繁地问自己同一个问题：我们的护城河是什么？我们相信，答案的很大一部分在于上下文。

每家公司的上下文都是独一无二的：它的产品、客户、文化、数据、工作流，以及最重要的——员工积累的智慧。员工不断发现更好的工作方式，但这些改进通常只留在个人手中，或者最多留在团队内部，因为组织没有切实可行的办法来捕获并规模化这些改进。

这就是为什么生产力和创新历来都是由上而下驱动的——通过管理层的举措或企业软件。直到 AI 出现。

我们最初对 Pinecone 的目标很简单：构建一个能让每位员工更高效的智能体。随着越来越多的人开始使用它，我们意识到 Pinecone 正在成为更深层的东西：我们公司的操作系统。员工的每一次改进都让 Pinecone 变得更好，而随着时间推移，Pinecone 也在让 Sierra 变得更好。

为什么要自己构建？

今年一月，Sierra 的每位工程师笔记本电脑上都装着 Codex、Claude Code 和 Cursor，而且运行良好。显而易见的做法是把他们的工作流更深入地嵌入公司，然后就此打住——毕竟这些工具每天都在进步，无需我们付出任何努力。

但随着使用量增加，我们看到越来越多的人抱着半开的笔记本电脑在办公室里走来走去，运行着智能体。很快有三件事变得清晰。第一，这无法在个人笔记本电脑上规模化。第二，我们想分享的不只是聊天会话——还有演示、原型、产物和整个工作区。第三，人们每天都在发现更好的工作方式：新的调试技巧、更好的提示词、可复用的自动化，以及更聪明的工作流。然而所有这些想法都被困在公司数百台笔记本电脑上。

为什么选择云端？

唯一的答案是云端智能体。Pinecone 不仅更容易扩展，还可以被共享、被观察、被自动化、被改进。会话变得可复用，成功的工作流变成技能，最好的想法、工具和技术自然传播。它们不再依赖于文档、培训或 Slack 里的对话。

最重要的是，组织以及 Pinecone 可以从整个公司范围内发生的工作中学习，而不仅仅是从事这项工作的人。几乎所有其他设计决策都源于这一洞见。

认识 Pinecone：Sierra 的内部云端智能体

Pinecone 让每个人都能创建、组织和自动化运行在云端的智能体。你可以从浏览器、Slack、Linear，甚至手机——任何你工作的地方使用它。

基本单元是会话：它从一个提示词开始——“找出一个 UX 性能退化”或“修复这个不稳定的测试”，Pinecone 会提供一个隔离的 pod，其中包含已检出的代码仓库、预热好的构建缓存、运行中的 sidecar、热重载的开发服务器，以及一个 harness。整个搭建过程大约只需一秒。随后会话会将工作内容流式传回给你：文本、工具调用、diff、截图、文件等等。你可以观看、打断、重定向或关闭标签页。

围绕这个核心，我们构建了一些正在改变人们工作方式的能力：

• 多人协作：当有人使用 Pinecone 构建新功能、修复 bug 或重构产品的一部分时，整个过程的每个环节都可以共享。完整的开发和预览环境都在沙箱中运行，另一位用户可以基于自己的 MCP 授权对整个会话进行分支，并独立继续。
• 代理 PR 与 CI：会话会自行创建拉取请求、监控自己的检查，并由一个监控子代理在之后照看该 PR。它会回复机器审查评论、自动修复失败的测试，并在需要人工决策时通过 Slack 提醒你。
• 自动化：Pinecone 可以观察 Slack 频道、Linear 工单等。它可以回答问题、修复 bug、创建 PR，或每天早晨主动扫描你的邮件、Slack 及其他连接，并提供一份待办事项清单。自动化可以通过 webhook 或按计划触发。
• 技能：这些是可复用的操作手册，可以是私有的、可共享的，或对所有用户默认启用。它们涵盖从“准备客户会议简报”到“稳定这个不稳定的 CI 任务”等各种内容。一个人为某个特定工作流创建技能，之后的所有用户都能受益。
• 项目：随着问题复杂度的增加，多个 Pinecone 会话可以组合在一起。它们通过共享的、可搜索的上下文进行协调，互相发送消息，读取彼此的公开会话，并生成新的 Pinecone 会话。许多工作都始于一个简单的问题，但随着它的演进，这个单一会话会自然地变成分析、bug 修复、功能开发和部署后验证。

代理，单数

这一切的背后是一个简单的原则：只有一个代理。

无论你身处工程、人力资源、销售、产品、设计还是数据科学领域，你都不需要从下拉菜单中选择一个角色、工具集、沙箱配置或数据范围。你描述任务，Pinecone 会将其路由。一个分类器读取提示词，并选择仓库、环境、执行框架、模型和推理预算。

会话会随着任务的演进而获得新工具。一个关于我们 LLM 支出的数据分析会话可能会发现日志记录中的一个 bug，于是代理会自然地开启一个编码会话去修复它。一位准备演示的销售工程师可能会发现生产环境体验中的差异，并生成一个拉取请求。

这反映了我们的招聘方式。Sierra 寻找的是能够在不同学科之间切换的人。代理至少应该和与它共事的人一样灵活，让他们能够在编码、分析、预测、运营、销售准备等之间切换。

工作原理

Pinecone 有三个主要组件：应用服务器、Agency 和 runner。

• 应用服务器是产品界面：前端、API、持久化、集成，以及将代理输出发送到每个打开的标签页的流。它记录每一轮交互，将其交给 Agency，并在 runner 执行时订阅其流。
• Agency 管理隔离的、可恢复的 runner 环境。它将每个 runner 协调为一个 Kubernetes pod，使用 Redis Streams 进行实时通信，并单独存储持久事件和检查点以便恢复。
• runner 包含代理及其环境。一个 Go 进程监督 Codex 或 Claude Code，管理开发服务，并代理特权操作。

持久会话

Pinecone 会话是持久的，尽管它们运行的沙箱并非如此。Harness 会崩溃，Pod 和节点会故障。我们设计 Pinecone 时，就让会话能够持续数小时甚至数天，而不丢失对话或未提交的工作。Agency 会持续记录每个会话的状态，因此替换的运行器可以从前一个中断的地方精确恢复。

同样的机制也支持分支。而且由于启动环境既快又便宜，人们可以自由实验、比较不同方案，并在不影响原始会话的情况下协作。

多人协作

我们希望 Pinecone 天生就便于共享。一次代码改动应当产生一个公司其他人可以查看和交互的实时原型。一次分析会话应当产生一个其他人可以探索的仪表盘产物。

编码会话会暴露可共享的实时开发预览。随着人们讨论，反馈被纳入，原型实时热重载，讨论中的每个人都能在浏览器中看到不断变化的工作应用。我们还构建了插件，让用户可以在预览中点击操作、描述他们想要的确切 UI 改动，并看着 agent 立即实现它们。

特权操作

Harness 运行在一个对网络和文件系统访问受限的环境中。当它访问推理提供商、GitHub 或任何其他需要身份验证的服务时，网络代理会批准（或拒绝）该请求，替换为适当的凭据，然后转发请求。

这样一来，agent 永远无法访问真实凭据。与大多数 agentic 环境一样，我们让 agent 以为自己能做任何事，却什么都不信任。

平台

Pinecone 也是一个可与 Sierra 所有其他内部工具插接的平台。我们的内部系统接入 Pinecone 并创建会话：事件管理工作流、代码审查辅助、内部问答机器人等等。

迭代

Pinecone 的一些最佳功能直接来自观察公司如何使用它。

一个例子是基于意图的路由。我们观察到人们在仓库和沙箱选择上挣扎。非技术用户无法知道一个任务需要 8 个 CPU 还是 0.1 个 CPU。现在，模型会对任务进行分类，并推荐合适的模型和环境。如果任务在会话中途发生变化，Pinecone 可以在相同上下文中配置新环境。

另一个是 PR 监控。自动化代码审查工具很棒，但大多数评论都是例行修复。Pinecone 不是让工程师稍后再回来处理，而是监视自己的拉取请求，自动处理大多数审查评论和失败的测试，在出现合并冲突时进行 rebase，只在需要判断时才请人介入。

构建 Pinecone 的收获

agent 的有用程度取决于你给它的环境：对工程师来说，这意味着完整的 Sierra 开发环境：GitHub、我们的工具链、本地服务、浏览器，以及验证自身工作所需的一切。其他团队需要完全不同的配置，其中已配置好正确的数据、权限和 Sierra 最佳实践。

构建这些环境最终成为 Pinecone 最困难的部分之一。每个角色都需要不同的工具、上下文、权限和基础设施组合——全部即时组装，同时不牺牲安全性、速度或可靠性。

我们找不到满足这些要求的云代理提供商，所以自己构建了一个。

这还带来了额外的好处：我们可以将同一套基础设施用于 Ghostwriter——我们面向客户、用于构建代理的代理。最棒的是：Sierra 的每个人都生活在 Pinecone 中并践行自家产品，因此可靠性、性能和质量的提升也与 Ghostwriter 共享。

集中化改进：当公司里的每个人都通过一个平台工作时，你就可以创建一个单一节点来交付最佳实践，而不会拖慢任何人的速度。

成本就是一个例子。我们希望人们思考他们能用 AI 做什么，而不是他们的 token 用量。因此我们不发布 token 使用量排行榜，而是将成本的可见性和问责集中到一个小团队手中，由他们大规模管理——消除浪费、设置合理的默认值，并构建模型路由等效率功能。

随着 Pinecone 的采用率增长，我们发现了更多集中化改进的机会。当某个 harness 行为异常时——配置设置错误、调用了错误的工具、缺少 AGENTS.md，或在考虑不周的方法上消耗 token——我们能看到它，并一次性为所有人修复。其他模式，比如“用 Fable 规划，用 5.6 Terra 执行”，可以为某些用例设为默认。因为每个会话都通过 Pinecone 运行，我们可以识别常见模式、评估其有效性，并改进平台本身。

站在巨人的肩膀上：OpenAI、Anthropic 和 Cursor 等公司在代理 harness 上投入了巨大的精力。因此我们将 Pinecone 设计为利用大型语言模型持续进行的研究和投资。我们在每个沙箱中安装了 Codex 和 Claude Code，并封装在一个基于 AG-UI 的通用协议适配器中。这带来了多重好处。

它为 Sierra 提供了可选性，使我们能够将流量从一个提供商路由到另一个，让员工可以选择他们使用的模型和 harness，并确保 Pinecone 随着 harness 的改进而变得更好。

构建原语，而非工作流：我们很早就发现工作流并不长久。模型变得太聪明，工作流不得不重写，人们不得不重新培训。

于是，我们构建了有主见的原语：更好的上下文、环境和公司专属工具。这些原语被证明要持久得多，并让人们随着模型的改进组合自己的工作流。

这也是将工具带给用户、而非让用户迁就工具的关键一课。我们没有设计一个宏大的新工作流，而是围绕员工已经熟悉的东西构建 Pinecone：ChatGPT 和 Claude、Linear 以及 GitHub。我们在人们所在之处与他们相遇，更快地扩大了采用范围，并在整个公司释放了更多的创造力。

让员工成为构建者：我们有许多 alpha 和 beta 测试者，诚然，他们使用的是存在缺陷、无法正常工作的实验性功能版本。但有如此多的人投入于让它为自己的用例工作，以至于我们建立了一个庞大的爱好者群体。反馈、想法和拉取请求从公司各个角落涌来。通过这个早期群体，我们找到了 Pinecone 的拥护者，他们最终帮助在 Sierra 全公司扩大了采用范围。

发生了什么

• 在过去一个月里，600 人创建了超过 75,000 个会话，使用量逐周加速增长。
• 公司大多数人每天都在使用它。如今 96% 的工程工作都在使用 Pinecone。
• 上个月，我们 70% 的 PR 都是通过 Pinecone 提交的。
• 自四月以来，使用量每月增长两倍，但成本却下降了。

更重要的是，我们的工作方式已经改变。工程师描述结果并审查应用，而不是逐行编写代码。事故在人工介入之前会先得到初步调查。客户团队每天早上醒来都会收到一份摘要，帮助他们为一天的工作做好准备。

Pinecone 本身也是用 Pinecone 构建的。平台团队向自己、向他们最严苛的重度用户、最终向整个公司交付。每一项改进都会被每位员工立即采用。

打磨快乐客户机器

我们的一位创始人 Clay 喜欢把 Sierra 描述为一台生产快乐客户的机器。这台机器不仅仅是 Agent OS。它是整个公司：我们的产品、我们的人，以及我们协作的方式。

Pinecone 帮助我们不断打磨这台机器。随着前沿模型的进步，每家企业都将获得非凡的智能。而始终独一无二的，是公司的上下文——尤其是其员工积累的知识、判断力和经验。

我们押注的是，那些最能捕获、分享并复利这种智慧的公司，将建立起一些最深的竞争护城河。