工程師的工作方式 Spotify 它正在從上到下發生變化。短短幾個月內，公司最受重視的技術人才就從花費數小時在程式碼編輯器前工作，轉變為管理人工智慧系統，由這些系統承擔大部分繁重的工作。
據該平台高層稱 流這些明星開發者自去年12月以來就沒有手動編寫過任何程式碼。這並非炒作，而是他們對系統整合堅定不移的承諾的成果。 生成式人工智能 貫穿整個軟體開發流程，這一點在應用程式的內部運作以及西班牙和歐洲其他地區用戶可以使用的新功能中都已顯而易見。
“Spotify最優秀的程式設計師自去年12月以來就沒寫過一行程式碼了。”
在展示研究結果期間 2025年第四季度Spotify 聯合執行長 Gustav Söderström 的一句話在科技界引起了廣泛共鳴：他們最優秀的工程師 “他們自去年12月以來一行程式碼都沒寫過。”換句話說，表現優異的人才不再以傳統方式進行程式設計。
在同一次演講中，索德斯特倫解釋說，這些開發者已經用一種更接近鍵盤操作的方式取代了鍵盤。 建築師及監理 自動化系統。他們不再逐條輸入指令，而是定義需要建置的內容、系統應該如何運行，並驗證人工智慧提出的程式碼是否符合要求。
這位高層堅稱，這種轉變並非孤立的實驗，而是… 新階段的起點 對公司而言，其理念很明確：工程師不再是編寫程式碼的“建造者”，而是開始指揮整個系統，而人工智慧模型則負責處理重複性和高容量的任務。
這種論述符合以下語境： 人工智能 根據蒙特婁大學等機構的研究，人工智慧在語言創造力方面已經超越了一般人。許多專業人士擔心，這種能力最終會完全轉移到程式設計領域，使傳統的人類工作淪為次要角色。
然而，就Spotify而言，官方的說法是工程師們仍然掌握著… 最後的話人工智慧負責提出和產生程式碼，但程式碼的審查、修正和最終決定哪些程式碼投入生產是由人來完成的。
Honk 和 Claude 程式碼：這就是 Spotify 自動化大腦的工作原理
這項變化的核心是 按喇叭這是Spotify開發的內部系統，旨在將生成式人工智慧融入其團隊的日常工作中。它並非一次性的助手，而是將高級模型與工程師的標準工作工具連接起來的基礎設施。
在Honk中，使用 克勞德·科德一種專門的程式設計模型，可以產生新功能、修復錯誤或重寫整個模組。有趣的是它如何整合到… 鬆弛 並應用於自動化系統（ChatOps），以便開發人員無需離開他們常用的通訊環境，即可透過手機或筆記型電腦使用人工智慧。
索德斯特倫舉了一個非常生動的例子來說明這一點：一位Spotify工程師在上班途中，打開手機上的Slack，並要求克勞德… 修正 iOS 應用程式中的錯誤或新增功能當用戶還在地鐵或公車上時，模型會產生更改並建立應用程式的更新版本。
一旦流程完成，新建置版本就會被傳回。 鬆弛 這樣工程師就可以進行審核。如果一切正常，甚至無需打開辦公室電腦，即可整合到生產線中。據該公司稱，這項流程顯著降低了成本。 「極度」的部署時間 並幾乎即時地將變更帶給使用者。
這個方案符合歐洲科技生態系統中日益明顯的趨勢：人工智慧不再是輔助工具，而是正在成為… 發展流程的核心深深嵌入流程、審查和發布中。
一年內推出超過 50 項由人工智慧驅動的新功能。
對自動化的承諾並非空談。 Spotify 已強調，僅到 2025 年，它就已經部署了… 超過 50 個相關功能和設置 在其平台上。該公司將這一速度與內部工作流程中採用 Honk 和 Claude Code 直接聯繫起來。
對於西班牙和歐洲其他地區的使用者來說，最顯著的新功能包括以下幾點： 文字產生的播放列表這些也稱為“提示播放清單”。它們的運作方式很簡單：使用者用自然語言輸入他們想聽的內容——例如，「下雨的午後想聽些輕鬆的搖滾樂來學習」——系統就會自動建立一個符合該要求的音樂清單。
在有聲書領域，該平台已推出 頁面匹配這款工具可以讓你掃描紙本書的某一頁，然後跳到音訊版本中的相同位置。它結合了文字辨識和人工智慧模型，實現了閱讀和音訊體驗的同步。
另一個新增內容是 關於這首歌此選項提供有關正在播放歌曲的背景資訊：製作細節、趣聞軼事或歌曲背後的故事。許多歐洲用戶已將這項額外功能融入他們的聆聽體驗中，使平台的功能超越了簡單的播放。
此外，自動化進程的推進也與其他近期推出的功能密切相關，例如： 人工智慧產生的播放列表改進了發現工具並不斷調整介面，這得益於語言模型和快速部署變更的能力。
Spotify 新功能：聊天、ChatGPT 整合和音訊改進
隨著程式方法的改變，Spotify 正在推出一系列直接影響應用程式日常使用的功能，其中許多功能都是在該環境下開發和測試的。 人工智慧輔助編程.
其中最引人注目的是…的融入 應用程式內的個人聊天和群組聊天透過此功能，用戶可以在原生聊天空間中評論歌曲或有聲讀物，而無需跳到 WhatsApp 或其他平台來分享推薦或討論協作清單。
該系統在設計時有一定的限制： 你只能與之前分享過內容的人發起聊天。例如，透過協作歌單、即興演奏或混音。 Spotify 試圖透過這種方式，對應用程式內用戶之間的聯絡方式進行一定程度的控制。
另一個相關的創新是 ChatGPT 中的 Spotify 集成在與人交談中提及該服務時 聊天機器人用戶可以根據不同的心情或情況（從訓練到工作專注）請求自訂列表，並幾乎立即收到個人化推薦。
的選項 從「品味檔案」排除特定歌曲這對於使用該平台播放白噪音、兒童音樂或特定聲音的用戶來說尤其有用，因為他們不希望這些聲音幹擾推薦內容。這樣一來，音樂推薦就能更貼合聽眾的實際喜好。
無損音訊、混音和新的每週總結
僅在音訊領域，Spotify 就已加強了其為用戶提供的服務。 Spotify的高級 隨著的到來 無損音頻在所有服務涵蓋的市場，均可享有最高 24 位元/44,1 kHz 的 FLAC 音質。此項改進旨在滿足追求更高保真播放效果的用戶，這在擁有濃厚發燒友文化的歐洲市場尤其重要。
此外，該公司還增強了該功能。 混合此功能可讓您在歌曲之間實現平滑過渡，調整均衡器並控制音量，從而獲得更流暢的播放體驗。其目標是使曲目之間的過渡盡可能平滑，這在鍛煉期間以及聆聽專為集中註意力而設計的歌單時尤為明顯。
最近的另一個賭注是該版本 每週打包它類似於經典年終總結的迷你版。每週，用戶都會收到關於其收聽習慣的個人化統計數據，包括他們最常播放的歌手、歌曲和音樂類型。
本週的「每週回顧」包括 圖片已準備好分享 用戶還可以透過社群媒體分享這些統計數據，並直接從 Spotify 應用程式內或透過 Instagram 或 WhatsApp 等外部平台將這些數據發送給好友。透過這種方式，Spotify 強化了音樂的社交屬性，這在西班牙和其他歐洲國家的年輕用戶中尤其受歡迎。
該平台表示，由於在程式碼和數據分析中大量使用了人工智慧，許多功能得以如此迅速地部署，從而完成了開發、實驗和最終產品之間的閉環。
從編寫程式碼的開發人員到指導人工智慧的架構師
Spotify正在發生的變化反映了軟體工程領域更廣泛的變化： 經典程式設計師角色 它開始無法充分描述歐洲大型科技公司最高級別職位的職責。
有了像 Honk 這樣的系統，逐行編寫程式碼不再是核心工作，而是由經驗最豐富的工程師接手。 識別問題、設計解決方案並監控質量 模型產生的結果雖然減少了機械工作量，但技術標準的要求和對結果的責任卻增加了。
Spotify 也堅持採用混合方法：高級開發人員大量依賴人工智慧，而初級開發人員則繼續學習。 “以傳統的方式”透過手動編寫程式碼來鞏固對以下語言的結構、演算法和良好實踐的基礎知識： Java的.
該公司認為，這種混合模式可以防止新一代盲目依賴人工智慧而不了解背後的原理，同時將經驗豐富的專業人士從機器可以相當可靠地處理的重複性任務中解放出來。
除了Spotify之外，其他接受Ars Technica等專業媒體採訪的開發者也承認，在短短幾個月內，人工智慧工具已經從提供一些簡單的幫助發展到能夠… 獨立完成所有任務。 從 修復測試 許多未能達到全部功能的人都表示，生產效率的提高幅度從手工操作的幾倍到十倍不等。
生產力、疑慮與對失業的恐懼
並非所有人都對這種轉變表示讚賞。儘管許多專業人士將人工智慧視為一種… 擺脫繁瑣任務的好幫手人們也越來越懷疑所產生程式碼的可靠性，尤其是其對中期就業的影響。
接受多家媒體採訪的開發人員承認，目前工具的品質非常高。 程式設計和調試儘管他們還沒有準備好從事其他領域（如文學寫作）的複雜創作工作，但在軟體行業，許多人都認為「它已經改變了一切」。
人們最主要的擔憂在於工作崗位的未來：首先，日常編碼工作將交給人工智慧；然後是部分架構設計；之後，甚至可能包括… 產品管理有人認為，那些無法適應與這些工具協同工作的人，在市場上的機會將會越來越少。
目前，Spotify官方的說法是，人工智慧並沒有取代工程師，而是改變了他們日常的工作。經驗豐富的開發人員專注於更高附加價值的任務，而初級專業人員則繼續夯實技術知識基礎。
這場辯論在歐洲非常普遍，歐盟當局正在努力解決這個問題。 人工智慧監管框架 這將影響這些技術的內部使用及其對包括軟體產業在內的整個產業的影響。
獨特的音樂資料集是Spotify人工智慧的優勢所在
除了程式設計方式之外，這家瑞典公司還將人工智慧視為發揮最大資產的關鍵資源： 音樂消費數據 全球數百萬用戶，包括西班牙和歐洲大陸其他地區的用戶。
在結果發布會上，索德斯特倫強調Spotify正在建造一個 專有且難以複製的資料集基於聆聽習慣、品味和文化行為。與維基百科等開放資源不同，音樂領域通常許多問題沒有唯一的正確答案。
諸如「什麼音樂最適合運動？」之類的問題就體現了這種多樣性：在美國，相當一部分人喜歡嘻哈音樂，而數百萬人則偏愛死亡金屬等更極端的音樂風格。在歐洲，情況更為複雜， 電子舞曲、重金屬或拉丁流行樂 爭奪健身房和夜生活場所的背景音樂。
所有這些數據都匯入一個數據集，據 Spotify 稱，該數據集每次都會得到豐富。 他們重新訓練他們的模型用戶收聽、保存歌曲或跳過曲目越多，人工智慧學習得就越多，個人化體驗就越好。反過來，更貼合使用者需求的體驗能延長使用者在應用程式上的停留時間，進而形成良性循環，增強平台在競爭中的地位。
從工程角度來看，如此大量的資訊也有助於快速測試和驗證新功能，這與Honk的自動化開發模型完美契合。
人工智慧、創造力和程式設計的未來
Spotify的這項舉動正值…之際 生成式人工智慧正在快速發展 在傳統上被認為是創意領域的領域，蒙特利爾大學的一項研究表明，某些模型在語言創造力方面優於普通人，這引發了人們對寫作、設計和程式設計等相關職業未來發展的擔憂。
甚至像這樣的媒體人物 伊隆麝香 他們提出，由於人工智慧能夠編寫和維護複雜的程式碼，程式設計作為一種職業可能會在本十年末受到嚴重影響，這一觀點重新引發了討論。 Google、Anthropic 和微軟等大型科技公司已經在使用這些系統來實現部分內部流程的自動化。
在此背景下，Spotify 將自己定位為… 實際案例 在不久的將來，工程師可能會變成這樣：工程師不會消失，但他們的工作重心將轉移到問題定義、監督和高層決策上，而人工智慧將接管日常執行工作。
問題在於，如果這種模式推廣開來，歐洲和其他已開發市場的勞動市場將如何重塑。新的專業技能職位可能會出現。 管理和審計人工智慧系統而目前由初級程式設計師執行的一些任務正在完全自動化。
同時，使用者已經注意到這種轉變帶來的影響：更多的功能、更快的啟動速度以及更頻繁的應用程式更新，所有這些都得益於一種主要在後台編寫程式碼的技術。
Spotify 的現狀表明了這一點的嚴重程度 軟體開發正進入一個新階段該公司最優秀的程式設計師實際上不再手動編寫程式碼，但他們在指導、控制和利用人工智慧驅動該平台方面的作用比以往任何時候都更加重要，無論是在西班牙還是在歐洲其他地區。
