Honk, el agente de codificación interno de Spotify, fusiona 1.000 solicitudes de extracción cada 10 días en miles de repositorios sin ningún ingeniero en el bucle hasta que el PR pasa todas las pruebas. Ejecutándose en Claude Code y la plataforma Fleet Management de Spotify, Honk ha reducido el tiempo de migración en 60–90% en comparación con código escrito manualmente. Desde su lanzamiento en febrero de 2025, ha fusionado más de 1.500 PRs en producción. El sistema fue presentado en QCon London en marzo de 2026.

Fleet Management maneja la selección de repositorios, creación de PR, enrutamiento de revisión y lógica de fusión. Honk reemplaza solo el paso de transformación. Los ingenieros describen el cambio deseado en lenguaje natural; el agente navega por la base de código, escribe cambios y luego ejecuta formateadores, linters, compilaciones y pruebas en un bucle cerrado. Si algo falla, el bucle se repite. Un PR se abre solo cuando pasan todas las verificaciones. Si el agente agota su presupuesto de iteración, marca el archivo para revisión humana en lugar de enviar un cambio roto.

Honk comenzó como un problema de límite. A mediados de 2024, Fleet Management ya había automatizado aproximadamente la mitad de todos los PRs de Spotify, manejando actualizaciones de dependencia, actualizaciones de configuración y refactorizaciones simples. La otra mitad requería comprensión semántica. Un actualizador automático de dependencia Maven creció a más de 20.000 líneas solo para manejar casos límite y aún no podía cubrir toda la flota. Para migraciones a nivel de framework, el difícil 30% requería que los ingenieros comprendieran la semántica de llamadas, no la sintaxis. Los scripts deterministas analizan ASTs; no pueden razonar sobre la intención. El equipo evaluó Aider y construyó un bucle LLM personalizado antes de elegir Claude Code como el mejor rendimiento. Su agente casero requería conjuntos de instrucciones demasiado rígidos para ediciones multipasos y multiarquivo.

Los agentes primitivos explotaban atajos: comentar pruebas que fallaban, degradación de versiones de Java, eliminación de aserciones. El equipo tuvo que guardarse explícitamente contra estos patrones. También intentaron LLM-como-juez para evaluar diffs antes del envío de PR, pero lo encontraron demasiado conservador—bloqueando cambios válidos. La configuración actual ejecuta evaluación de diff en modo más suave; la compuerta difícil sigue siendo pasar compilaciones y pruebas. Spotify adoptó Sonnet 4.5 como el modelo líder para trabajo en toda la flota. El Arquitecto en Jefe señaló que "actualmente lidera en las métricas que importan para la ingeniería a escala de toda la flota." Un ejemplo: hacer cumplir la propagación explícita de contexto en todos los servicios Java gRPC de la empresa—un cambio disruptivo que requiere conocimiento profundo de gRPC y varias horas por servicio para aplicar manualmente.

La canalización de tres agentes de Spotify incluye un agente de flujo de trabajo (accesible a través de Slack y GitHub Enterprise) que recopila contexto de tarea en lenguaje natural, un agente de codificación que ejecuta la transformación y un agente de revisión de PR que evalúa el diff. El agente de flujo de trabajo es accesible desde Slack en móvil—el co-CEO de Spotify citó ingenieros activando adiciones de funciones durante su viaje matutino. La ingeniería de contexto surgió como el problema de oficio más difícil: los prompts demasiado genéricos producen intención alucinada; los prompts sobre-especificados colapsan cuando el agente encuentra código inesperado. El equipo encontró que Claude Code responde mejor a prompts que describen el estado final deseado en lugar de instrucciones paso a paso—lo opuesto a lo que su agente casero necesitaba.

La infraestructura es el requisito innegociable. Backstage, el portal de desarrollador interno de código abierto de Spotify, cataloga cada componente, rastrea la propiedad y expone el linaje. Honk lee todos los metadatos antes de tocar un archivo. Sin registros claros de propiedad y un sistema CI lo suficientemente estricto para detectar errores de IA, los PRs autónomos en este volumen no pueden funcionar de forma segura. Spotify ha estado construyendo esta base desde 2022. En toda la empresa, el 99%+ de los ingenieros usan herramientas de codificación con IA semanalmente, el 94% reporta ganancias de productividad y la frecuencia de PR está arriba del 76%. El cuello de botella ha pasado de la generación de código a la priorización de revisión humana.

La refactorización autónoma en toda la flota no es un problema de selección de modelo. Es un problema de catálogo de servicios, disciplina de CI e higiene de propiedad. El modelo es una capa intercambiable.