Spotify 扩大了 AI 辅助开发的应用范围，8 月份合并变更量同比增长一倍以上，从约 8100 个增至 17000 个。该公司正在调整质量与可靠性控制体系，以应对生产系统中激增的软件变更数量。
Spotify 运营着近 3000 个生产服务，支撑着 7.77 亿月活用户，约 1 亿并发客户端，每秒处理 1100 万至 1200 万次后端请求。在复盘工作中发现了内容处理、集群变更、计算容量以及移动端应用质量方面的问题。对此，Spotify 对监控、测试、发布防护、回滚能力、容量规划和质量度量进行了优化。
其中一次事故与 Spotify 的内容处理流水线有关，该流水线每天处理超 50 万首新增歌曲、视频、播客及有声书。6 月 24 日，一个计划内的定时批处理任务与新节目内容抢占资源，一项质量优化提升了处理资源需求，而一个调度错误使吞吐量降低了约 10%。原本几分钟内就能上线的节目，延迟了数小时。Spotify 后续新增端到端监控、修复调度器、调低批处理任务优先级、重构任务优先级策略并进行了扩容。
集群自动化带来了不一样的挑战。Spotify 的集群管理系统已合并超过 250 万个自动化维护拉取请求，其中大部分在安全检查后自动合并。公司后来引入了 Honk，这是一个在 Kubernetes Pod 中使用 Agent SDK 运行 Claude 的后台编码智能体。Fleetshift 负责目标选择、调度和进度跟踪，Honk 完成代码修改并可在 CI 中执行构建。Spotify 报告称，最近其后端服务的一次 Java 迁移耗时三天。
不过 Spotify 表示，一次自动化依赖升级虽然通过了现有校验，却在生产环境发生故障。公司正在强化防护手段、扩大回滚能力，并将自动化变更安排在负责团队的工作时段执行。
JumpCloud 软件工程师 Amit Jha 在 LinkedIn 发帖讨论 Spotify 的复盘时提到：
更多的变更意味着测试、评审和可观测性面临更大压力。
Alex Beck 在 LinkedIn 帖子中同样聚焦验证难题：
编写代码变得更容易了。现在的难点是确保代码上线前质量达标。
这些发现为谷歌 2025 年 DORA 研究提供了背景：该研究发现，采用 AI 会提升软件交付吞吐量与产品性能，但同时和交付稳定性呈负相关。研究指出，自动化测试、版本控制与快速反馈闭环是在引入 AI 时管理软件交付的关键实践。
Spotify 将标准化维护交给集群管理系统，Honk 用于复杂的代码变更，Fleetshift 负责编排，CI 承担验证工作。质量和优化工作占合并变更的比例从 27% 上升至 31%，而维护和配置工作从 31% 下降至 25%。Spotify 报告称返工量并未随之增长，但拉取请求体量与代码复杂度正在上升。事件审查发现 AI 编写的代码没有造成实质性的直接影响，但变更数量已经超过了一些验证机制的处理能力。
查看英文原文：https://www.infoq.com/news/2026/10/spotify-ai-quality-controls/