Stripe工程博客在2026年7月30日发布的《Meet Stripe's Knowledge AI Platform》于9月23日登上Hacker News。这篇文章披露了内部代号Kai的平台：4月上线后两周内，Stripe多数员工已经开始使用，目前周活跃用户达到83%，几乎覆盖全部面向客户的团队，包括市场、销售、客户成功经理与技术客户经理。
建造动机被写得很直白：编码代理改变了Stripe的工程效率，但销售代表、财务分析师与技术客户经理等非工程师感觉自己被AI浪潮甩在后面；现成工具满足不了Stripe所需的数据安全要求与具体工作流——查询数据仓库、售前客户调研、事件分诊、收入场景建模、准备合规评审。
从四千个微型代理到统一平台
在Kai之前，Stripe内部有两条AI路线。其一是无代码代理构建器，员工可以自己搭建并部署带工具的工作流代理，累计建了超过4000个，但团队很快发现这些提示词概念相似而质量参差，微型代理的泛滥越来越难监控和维护。其二是编码代理，功能强大却引入另一类风险。文章指出，编码任务的工具与流程形状大致相同，单套代理架构就够用，而知识工作恰好相反：调研一个客户与准备一次合规评审需要不同的工具、不同的数据、不同的产出，以及不同的「完成」定义。
执行层的架构细节也一并公开：代理框架基于LangChain的deepagents构建，运行在Kubernetes上，每个会话配独立安全沙箱与多租户虚拟文件系统，数据分析在安全代码执行沙箱中完成。框架被设计成能扛住超长会话——最近一次对话达到932轮，单次会话可以包含数百轮交互与数百次工具及模型调用而不超时或压垮上下文窗口。
技能路由与量化收益
Kai接入了超过1000项内部技能与工具，覆盖业务智能仪表盘、项目管理工具，以及Zoom与Google Workspace等第三方服务。技能选择采用混合检索与大模型相结合的方案，作者表示后续文章会专门讲如何在没有目录结构的情况下解决技能路由问题。控制平面AgentStudio让各业务领域的负责人自行构建、测试与监控技能和工具选择；执行层与面向客户的代理共享同一套安全与合规基座，内部改进因此同时惠及外部产品。
收益数据被逐项列出：新员工的Kai使用频率是平均水平的2.7倍；同一队列中重度使用者创造的客户价值比轻度使用者高80%；客户经理在使用Kai的周里销售活动量达到两倍、创造的机会多17%、产生的收入机会多26%、成单多39%。整体上Kai每年把2.5万小时行政工作转向营收相关工作，全公司每天有超过5000次会话围绕数据分析展开。Hacker News上对此评价两极，有人质疑这又是套壳的通用代理平台，也有人指出规模与数据安全要求使自建成为必然。