导读：规模过大的海量数据是导致众多人工智能项目失败的根本原因。比如人工智能代码助手在单个代码库中表现出色，但一旦需要处理海量代码和服务，便会力不从心。

如今绝大多数 AI 代码工具都存在明显天花板：在单一仓库内尚能流畅运行，可面对企业级海量代码、数百套跨服务架构时，就会出现上下文割裂、无法全局联动的短板，这也是很多企业落地 AI 开发项目失败的核心原因。

支付巨头 Block 长期深耕 AI 工程底层基建，不仅自研开源 AI 智能体框架 Goose，还联合 Anthropic 共同制定行业通用标准模型上下文协议 MCP。为解决大型企业跨仓库开发痛点，Block 正式发布全新 AI 原生工具 Builderbot，一套可统筹调度全公司多 AI 智能体的编排中间层。

Builderbot 完整嵌入 Slack 协作环境，开发者无需切换各类开发终端，直接在对话线程 @Builderbot，用自然语言描述需求，无论是线上故障修复、多服务代码迁移还是全新功能迭代，AI 都会自主完成全流程处理。团队全员可实时观测它查阅代码、梳理方案、落地开发的完整过程，随时补充信息、调整开发方向，官方将这种模式总结为：对话即开发环境。重复机械的脚手架搭建、代码改写交由 AI 完成，人类工程师专注产品决策与高价值业务判断。

和局限单仓库的普通代码助手不同，Builderbot 能够读取企业全部代码资产，熟记内部接口、服务逻辑与开发规范。哪怕工程师只熟悉 Cash App 业务，也能借助它修改从未接触过 Square 相关服务代码。它可自动同步 Linear、Jira 工单，自主创建代码分支、编写实现代码、发起 PR 并持续监控 CI 流程，根据评审反馈迭代优化。同时产品有着严格的数据隔离机制，仅读写源代码与系统配置，完全不触碰用户支付数据、个人隐私信息。

Block AI 负责人 Brad Axen 对 Builderbot 做出清晰定位：它填补了通用 AI 编码工具与大型企业工程体系之间的空白，统一处理上下文读取、多智能体调度、运行环境适配，把工程师从重复繁琐工作里解放出来。以 Square 业务为例，一批销售侧积压数月的需求，借助 Builderbot 仅用数天就全部上线；原本耗时数月的开发流程，如今几天就能从需求排期推向数百万用户。

从落地数据来看，Builderbot 每日执行超 20 万次开发操作，每周可合并约 1500 条代码合并请求，公司 15% 的线上生产代码变更由它独立完成，大幅缩短产品交付周期。

开源底层：依托 Goose，入驻 Linux 基金会 AAIF

Builderbot 底层基于 Block 自研开源智能体框架 Goose 打造，该项目也是 Linux 基金会旗下 Agentic AI 基金会（AAIF）核心开源项目。

此前 Block 在搭建内部 AI 工具时，发现各类大模型、第三方工具对接存在巨大兼容障碍，于是联合 Anthropic 推出 MCP 协议，如今该协议已成为 AI 智能连接外部数据源、开发工具的行业通用标准。

Block 持续对外开放自身技术沉淀，除 Goose 与 MCP 两大核心项目贡献给 AAIF，还推出多款宽松开源数据集，向 TensorFlow、Hugging Face 等主流开源社区持续输出技术成果。企业从单一 AI 辅助编码，转向全流程 AI 原生工程是行业大势，Block 也希望通过开放底层方案，推动整个开发生态共同演进。

参考资料：

Block 博客

https://block.xyz/inside/block-rolls-out-builderbot-a-new-suite-of-ai-native-tools-that-changes-the-way-we-ship

Agentic AI 基金会官网

https://aaif.io/

作者：洛逸