Airbnb CTO 详解 Inside-Out AI：Everest 如何加速服务上线与异步 Agent 自动化运维

Airbnb CTO Ahmad Al-Dahle 在 Latent Space 访谈中披露了公司转型为"AI-native"的具体路径，核心策略是"Inside-Out AI"，即先利用 AI 提升内部研发效率，再将能力外化至客户体验。目前 Airbnb 60% 的代码由 AI 生成，年度功能发布量增长近 80%，工程师 Pull Request 吞吐量提升 1.6 倍。这一转变的关键在于重构软件工程流程，团队不再依赖产品需求文档等中间产物，而是直接基于代码和原型进行协作。 在外部服务方面，Airbnb 推出了名为 Everest 的内部 AI 上下文图谱（context graph），结合 LLM、Embedding 和检索技术，帮助开发人员在无需特定领域知识的情况下处理复杂代码库。得益于该工具，Grocery Delivery 服务仅用 8-9 个月完成开发，而 Airport Pickups 服务仅需约 6 周。同时，AirChat 作为内部 Agent 已集成 MCP 组织上下文，并正在部署异步 Agent 以接管监控告警和故障排查工作，实现部分场景下的无人值守运维。 事实层面，Airbnb 采用多模型策略，对开源模型进行大量后训练和强化学习，针对不同场景在成本、性能和延迟之间寻找帕累托最优解。推断层面，这种架构表明 Airbnb 正试图通过降低技术门槛来扩大通用工程师的适用范围，从而解决规模化扩张中的工程瓶颈。猜测层面，Al-Dahle 强调初级工程师必须能解释 AI 生成的代码，这暗示未来人才评估标准将从单纯写代码转向架构设计与验证能力，但这可能加剧对资深工程师经验的依赖。