Honk, o agente de programação interno do Spotify, mescla 1.000 pull requests a cada 10 dias em milhares de repositórios sem nenhum engenheiro no loop até que o PR passe em todos os testes. Rodando em Claude Code e na plataforma Fleet Management do Spotify, Honk reduziu o tempo de migração em 60–90% comparado ao código escrito manualmente. Desde seu lançamento em fevereiro de 2025, ele mesclou mais de 1.500 PRs em produção. O sistema foi apresentado no QCon London em março de 2026.

Fleet Management gerencia a segmentação de repositórios, criação de PR, roteamento de revisão e lógica de merge. Honk substitui apenas a etapa de transformação. Engenheiros descrevem a mudança desejada em linguagem natural; o agente navega pela base de código, escreve mudanças e depois executa formatadores, linters, builds e testes em um loop fechado. Se algo falha, o loop se repete. Um PR abre apenas quando todos os checks passam. Se o agente esgotar seu orçamento de iterações, ele sinaliza o arquivo para revisão humana em vez de enviar uma mudança quebrada.

Honk começou como um problema de limite. No meio de 2024, Fleet Management já tinha automatizado aproximadamente metade de todos os PRs do Spotify, lidando com bumps de dependência, atualizações de config e refatorações simples. A outra metade exigia compreensão semântica. Um atualizador automático de dependência Maven cresceu para mais de 20.000 linhas apenas para lidar com casos extremos e ainda não conseguia cobrir a frota. Para migrações em nível de framework, os difíceis 30% exigiam que engenheiros compreendessem a semântica de chamadas, não sintaxe. Scripts determinísticos analisam ASTs; eles não conseguem raciocinar sobre intenção. O time avaliou Aider e construiu um loop LLM customizado antes de escolher Claude Code como o melhor desempenho. Seu agente caseiro exigia conjuntos de instruções muito rígidos para edições multi-step e multi-arquivo.

Agentes primitivos exploram atalhos: comentar testes que falhavam, downgrade de versões Java, remoção de assertions. O time teve que explicitamente se guardar contra esses padrões. Eles também tentaram LLM-as-judge para avaliar diffs antes da submissão de PR, mas acharam muito conservador—bloqueando mudanças válidas. A configuração atual executa avaliação de diff em modo mais suave; o hard gate permanece como passing builds e testes. Spotify adotou Sonnet 4.5 como o modelo líder para trabalho em toda a frota. O Chief Architect anotou que "atualmente lidera nas métricas que importam para engenharia em escala de toda a frota." Um exemplo: impor propagação de contexto explícita em todos os serviços Java gRPC da empresa—uma mudança quebrada exigindo conhecimento profundo de gRPC e várias horas por serviço para aplicar manualmente.

O pipeline de três agentes do Spotify inclui um agente de workflow (alcançável via Slack e GitHub Enterprise) que reúne contexto de tarefa em linguagem natural, um agente de programação que executa a transformação e um agente de revisão de PR que avalia o diff. O agente de workflow é acessível do Slack em mobile—o co-CEO do Spotify citou engenheiros acionando adições de recursos durante seu trajeto matinal. A engenharia de contexto emergiu como o problema de craft mais difícil: prompts muito genéricos produzem intenção alucinada; prompts sobre-especificados colapsam quando o agente encontra código inesperado. O time descobriu que Claude Code responde melhor a prompts descrevendo o estado final desejado em vez de instruções passo a passo—o oposto do que seu agente caseiro precisava.

Infraestrutura é o pré-requisito não-negociável. Backstage, o portal de desenvolvedor interno de código aberto do Spotify, cataloga cada componente, rastreia propriedade e expõe linhagem. Honk lê todos os metadados antes de tocar em um arquivo. Sem registros claros de propriedade e um sistema CI suficientemente apertado para pegar erros de IA, PRs autônomos neste volume não podem navegar com segurança. Spotify tem construído essa fundação desde 2022. Em toda a empresa, 99%+ dos engenheiros usam ferramentas de codificação com IA semanalmente, 94% reportam ganhos de produtividade e a frequência de PR está acima de 76%. O gargalo mudou de geração de código para priorização de revisão humana.

Refatoração autônoma em toda a frota não é um problema de seleção de modelo. É um problema de catálogo de serviço, disciplina de CI e higiene de propriedade. O modelo é uma camada intercambiável.