本文永久鏈接 – https://tonybai.com/2026/05/24/shopify-claude-code-configuration-for-23000-engineers
大家好，我是Tony Bai。
這篇來自 X (Twitter) 的深度好文剖析了 Shopify 如何通過 Claude Code 實現工程效率的飛躍。文章不僅分享了其 23,000 名工程師背後的核心配置邏輯，還詳細介紹了從並行智能體（Agents）到 MCP 工具包，再到“策略優先”的工作流轉型。如果你正在思考如何將 AI 真正集成到團隊的開發流水線中，這份來自“未來視角”的 AI 原生工程實踐手冊（AI-first playbook）絕對值得深入研讀與復刻。下面是文章譯文全文：
Shopify 的 23,000 名工程師正致力於在今年第三季度實現 96% 的代碼自動化。
他們同時運行多個 Claude Code 智能體，每個智能體處理代碼庫的不同部分，而工程師只需進行審查和合並。
Bessemer 發佈了他們完整的 AI 優先手冊。
以下是他們的確切配置，你可以在 5 分鐘內完成復刻。
Shopify 沒有標準化某一個 AI 工具。他們標準化了底層的架構。
他們構建了一個內部 LLM 代理（Proxy），將每一個 AI 請求路由到同一個網關。無論使用 Claude Code、GitHub Copilot 還是 Cursor，它們都流經相同的基礎設施。
Shopify 的 LLM 代理架構：
工程師 -> Claude Code / Copilot / Cursor
↓
LLM 代理 (集中式網關)
↓
OpenAI / Anthropic / Google 模型
↓
使用分析 + 成本控制 + 模型路由
這賦予了他們集中式的成本控制、使用分析，以及在不改變任何工程師工作流的情況下更換模型的能力。
給小團隊的啟示： 不要只選一個工具就全力投入。先構建基礎設施，這樣你就可以在保持對成本和數據控制的同時，試驗不同的工具。
Shopify 的資深工程師不會把 Claude Code 當作一個簡單的“提問-回答”工具。
他們會同時啟動多個智能體，在代碼庫的不同部分工作。
一個智能體負責重構認證模塊。另一個負責編寫測試。第三個更新文檔。工程師負責審查輸出，丟棄無效內容，合併有效內容。
bash 示例：
# 終端 1：負責重構認證的智能體
claude -p "refactor src/auth/ to use the new session handler"
# 終端 2：負責編寫測試的智能體
claude -p "write integration tests for the payment flow"
# 終端 3：負責更新文檔的智能體
claude -p "update API documentation for all changed endpoints"
工程師的工作職責從“寫代碼”轉變為“審查和合並”智能體的輸出。Shopify 工程副總裁 Farhan Thawar 將此稱為“編排智能系統”。
並非每個任務都能受益於並行化。對於複雜的架構決策，Shopify 工程師會讓單個智能體運行擴展的批判循環。
智能體生成一個答案，評估它，修改它，並在漫長的推理週期中繼續精煉。
他們不接受第一次輸出，而是強迫智能體自我辯論。
提示詞模式：
“針對 [X] 提出一個架構方案。
然後批判你自己的提議：在規模化(scaling)時會出現什麼問題？
根據你的批判進行修改。
再次批判該修訂版。
給出最終版本，並附帶每個決策的置信度水平。”
這種方式產生的結果比單一提示詞好得多，因為 Claude 在你發現錯誤之前就已經抓住了自己的錯誤。
在 2026 年 4 月，Shopify 發佈了一個開源的 MCP (Model Context Protocol) 服務器，將 Claude Code 直接連接到 Shopify 的文檔、GraphQL API 模式和在線商店操作。
只需一條命令即可安裝：
claude mcp add --transport stdio shopify-dev-mcp -- npx -y @shopify/dev
這賦予了 Claude Code 7 種工具：
如果沒有這些，Claude 會產生幻覺、臆造 API 字段或組件模式。有了它，Claude 能夠處理真實的平臺數據。
Shopify 不把 CLAUDE.md 視為個人配置，它是提交到 Git 並供 23,000 名工程師共享的團隊基礎設施。
他們的方案示例：
# CLAUDE.md (Shopify internal pattern)
## Stack
Ruby on Rails, React, GraphQL, MySQL
## Commands
- Dev: dev up && dev server
- Test: dev test [path]
- Lint: dev style
- Type check: bin/srb tc
## Architecture
- app/models/ → ActiveRecord models, business logic
- app/controllers/ → thin controllers, delegate to services
- app/services/ → service objects for complex operations
- app/graphql/ → GraphQL types, mutations, resolvers
## Rules
- NEVER bypass Sorbet type checking
- All new code must have type signatures
- Database queries only through established patterns
- IMPORTANT: run dev test after every change
來自會議的核心見解：在 CLAUDE.md 中塞入每一個標準和規範會讓性能變差，而非變好。你在每一個環節都要為此付出代價。
這是 Shopify 的方法與其他團隊最不同的地方。
在 2024 年，工程師將 70% 的時間花在執行（寫代碼）上，30% 花在策略上。
在 2026 年，Shopify 翻轉了這個比例。
因為 AI 處理了大部分編碼工作，工程師現在將 70% 的時間花在策略上：映射用戶流、驗證市場需求、選擇正確的架構。只有 30% 的時間花在執行上。
工作流對比：
AI 編寫代碼。人類負責決定代碼存在的意義。
Shopify 不會讓智能體野蠻生長。他們的Claude Code 護欄設置如下：
json 示例：
{
"permissions": {
"allow": [
"Read", "Glob", "Grep", "LS", "Edit",
"Bash(dev test *)",
"Bash(dev style *)",
"Bash(git status)",
"Bash(git diff *)",
"Bash(git add *)",
"Bash(git commit *)"
],
"deny": [
"Read(**/.env*)",
"Bash(git push *)",
"Bash(dev deploy *)",
"Bash(bin/rails db:drop *)",
"Bash(rm -rf *)"
],
"defaultMode": "acceptEdits"
}
}
智能體可以讀取、編寫、測試、重構和提交。它們不能推送到遠程倉庫、部署到生產環境、刪除數據庫或讀取密鑰。
人類在任何不可逆的操作中保持參與。
你不需要 23,000 名工程師來使用這些模式。以下是初學者版本：
Shopify 20% 的生產力提升並非來自編寫更多的代碼，而是來自探索 10 種方案而非 2 種、更快的原型設計以及捕捉錯誤。
最能發揮 Claude Code 價值的團隊不是那些擁有最強提示詞的團隊，而是那些構建了基礎設施，讓智能體能夠安全、並行、在真實代碼庫上工作的團隊。
2026 年第三季度實現 90% 的自主編碼。 這不是願景宣言，而是 23,000 名工程師正在努力達成的最後期限。
今日互動探討：
Shopify 提出的 “70% 策略 + 30% 執行” 模型，預示著程序員的定義正在發生根本性位移：從“寫代碼的人”變成“編排智能的人”。
面對這種“AI 自動駕駛”式的開發工作流，我想聽聽你的看法：
歡迎在評論區分享你的實戰心得，我們一起預演 AI 原生時代的工程化未來。
還在為“複製粘貼喂AI”而煩惱？我的新專欄 《AI原生開發工作流實戰》 將帶你：
掃描下方二維碼，開啟你的AI原生開發之旅。
原「Gopher部落」已重裝升級為「Go & AI 精進營」知識星球，快來加入星球，開啟你的技術躍遷之旅吧！
我們致力於打造一個高品質的 Go 語言深度學習 與 AI 應用探索 平臺。在這裡，你將獲得：
衷心希望「Go & AI 精進營」能成為你學習、進步、交流的港灣。讓我們在此相聚，享受技術精進的快樂！歡迎你的加入！
商務合作方式：撰稿、出書、培訓、在線課程、合夥創業、諮詢、廣告合作。如有需求，請掃描下方公眾號二維碼，與我私信聯繫。
© 2026, bigwhite. 版權所有.
Related posts:
此內容由慣性聚合(RSS閱讀器)自動聚合整理，僅供閱讀參考。 原文來自 — 版權歸原作者所有。