每周合并 1300+ 条无人值守 PR 的编程 Agent，核心不是更聪明的对话， 而是：热就绪的 Devbox、确定性与 Agent 交织的 Blueprint、精选 MCP 工具，以及最多两轮的 CI 回环。
Minions 是 Stripe 自研的无人值守编程 Agent：目标是 one-shot 完成任务。 到 Part 2 发布时，每周约 1300 条合并 PR 完全由 minion 产出（Part 1 时约 1000）； 仍经人工 review，但不含人类手写代码。
Part 1 讲用法：多从 Slack 线程拉起，也能从内部文档 / Feature Flag / 工单 UI 触发； 跑完推分支、过 CI、按模板准备 PR。Part 2 则拆 Stripe 特有的底层：环境、编排、上下文与反馈环。
无人值守编码要规模化，需要云端开发环境具备三点：可并行、可预期、可隔离。 人要能同时派很多逻辑上互不干扰的活；Agent 需要干净环境与工作树，互相踩改会浪费 token； 全自动还要求系统性地隔离对特权机器与敏感凭证的破坏性操作。
笔记本上很难同时满足这些。容器或 git worktree 能帮一点，但难组合，也很难既像完整开发者 shell、又被恰当地约束。 Stripe 的解法是：Minions 跑在工程师日常写代码的同一套环境——devbox 上。
Devbox 是现成的；agent harness 则是为 Minions 定制的。 2024 年末他们内部 fork 了 Block 的 goose， 接到 Stripe 的 LLM 基础设施上。之后功能演进刻意偏向无人值守，而不是「人盯着肩膀」的结对场景—— 后者已有 Cursor、Claude Code。
更大、也更根本的优化是下一节的 Blueprint。
编排 LLM 常见两类原语（参见 Anthropic 的 workflows vs agents）：
Minions 用的是第三种：Blueprint——用代码定义的工作流， 但某个节点既可以是确定性代码，也可以是聚焦子任务的 agent loop。 本质是「一串 agent skills，与确定性步骤交织」。
| 节点类型 | 例子 | 谁做决定 |
|---|---|---|
| Agentic（云朵） | Implement task、Fix CI failures | 模型在宽边界内自己判断 |
| Deterministic（方框） | Run configured linters、Push changes | 不调 LLM，只跑代码 |
团队也能自建专属 Blueprint，例如把「没法纯确定性 codemod」的棘手迁移编成专用流程。
在 Stripe 这种体量的仓里，Agent 若无指导，很容易偏离最佳实践或错用内部库——就算有 lint。 业界用 CLAUDE.md / AGENTS.md 一类规则让 Agent 遍历目录时自动「学」。
但仓太大，无条件全局规则必须极克制，否则上下文还没开工就装满规则。 他们几乎只挂「按子目录或文件模式」的规则，Agent 走到哪加载到哪。
静态上下文靠文件系统；动态信息（内部文档、工单、构建状态、代码智能等）靠网络工具调用。 MCP 成标准后，他们把 Minions 接上去，并在跑起来之前对「看起来像链接」的东西确定性预拉 MCP，先灌上下文。
Stripe 内部 Agent 种类很多：无代码搭建器、专用服务、第三方现成 Agent、CLI、Slack bot…… 都需要 MCP，且工具集大量重叠。于是建了中央内部 MCP 服务 Toolshed：
One-shot 是目标，但失败时必须有自动化反馈可迭代。Stripe 有 300 万+ 测试可当反馈源—— 但他们不想全靠推分支后的全量 CI。
原则是 shift feedback left：CI 会挂的检查，最好在 IDE / push 时就拦下，反馈越早越好。
Blueprint 里确定性跑配置好的 linter；推之前本地闭环。预计算启发式 + 缓存，常见 lint 修复常 < 1 秒。
推分支后选择性跑相关测试；能 autofix 的自动打上。
无 autofix 的失败丢回 agent 节点本地再修，再推一次 CI；然后交回人类。
Minions 是「工业标准概念（harness、MCP、规则文件）× 多年为人打磨的内部工具」的混合物。 改的不只是模型调用，而是把 Agent 嵌进已经验证过的人类开发生产线上。
Minions：无人值守写代码，产出 PR。
Kai：给人（尤其非工程）做知识工作，产出报告 / 看板 / 文档。
两者都依赖「共享执行底座 + 领域技能 / 工具治理」——见 Kai 整理。