悲观者正确,乐观者前行。
宝玉老师提出了很多条质疑的点,本着严谨交流的态度,我不介意一一回复。
这篇文章内容涵盖了大量软件工程,因为我们希望把自己AI First如何实践落地的理念分享出来,而不仅仅是一些形而上concept的内容。至于其他AI First的实践,由于篇幅和文章重点无法涵盖所有。
第一,AI提交代码是不需要全部人工回归一遍的。我们会拆细每次PR的影响范围,基本都只会涉及某个功能模块,而不是大范围的修改,这在手写代码时也是基本的软件开发协作规范。
在符合软件工程协作规范下的情况下,AI提交的代码修改完全可以被自动化测试覆盖,不需要担心它会搞崩别的功能。
第二,我们中间的测试/审查/发布确实做到了全部自动化跑通了,所以我们做到了今天这个迭代效率。
第三,我们每次A/B测试的线上监控基础设施也都是完善的,有充足的数据支撑我们做判断。我建议你学习了解下statsig。
第四,你为什么会把大而模糊的任务丢给AI?这个问题非常奇怪,我相信如果你做过管理,也不会把大而模糊,自己都没想清楚的任务丢给员工吧。
第五,系统架构的设计是任何软件工程团队的基本功了,拿出这一条来悲观质疑真的很像在抬杠。
结论是,我们全都做到了。
关于你提到的claude code和codex团队是否有这么搞的问题,事实上我们就是观察到了claude团队极其夸张的迭代效率,以及OpenAI工程团队在今年二月份的分享得到的灵感:https://t.co/ym1wzNQOX5…
你觉得他们有没有也在用这一套呢?为什么你如此笃定AI交付和功能质量必然在对立面?
我们的分享来自于团队脚踏实地实践后的经验,关于我们目前做到了怎样的迭代效率,请看产品changelog:https://t.co/JyZwCJnvLt…