Uber AI代理平台已贡献11%的PR，工程师角色正在转变

最近看到一个数据挺震撼的——Uber内部披露，他们的AI代理平台已经贡献了公司11%的Pull Requests。也就是说，每9到10个代码提交里，就有一个多是AI自己干的。注意啊，不是AI辅助工程师写的，是AI自主完成的。 对，这个数字乍一看好像不大，但你想想Uber的体量——几千名工程师，代码库极其庞大，11%意味着每天可能有几百个代码变更是AI独立完成的。这已经不是什么实验室里的demo了，是真正跑在生产环境里的基础设施。 嗯，我觉得这里有个关键的概念需要厘清。很多人一听AI写代码，第一反应就是GitHub Copilot那种——你写一行注释，它帮你补全后面的代码。但Uber这个完全不是一回事？ 完全不是一回事。Copilot本质上是一个高级自动补全引擎，主导权还在人手里。但Uber搞的这个叫Agentic Developer Platform，是代理式AI。你可以理解为，你给它下一个任务，比如说'把某个依赖库从v2升级到v3'，然后它自己去分析代码库里哪些文件受影响，自己规划修改方案，自己改代码，自己跑测试，最后自己提交PR。整个流程人可以不介入。 这就是从'人驱动AI响应'到'AI自主执行任务'的跨越了。不过我好奇的是，为什么是11%而不是更高？是技术能力不够，还是有意控制的？ 其实是Uber非常务实的一个策略选择。你看它目前聚焦的任务类型——依赖库升级、代码格式化和规范统一、模板化的服务配置变更、安全补丁应用、测试代码生成维护。这些任务有一个共同特点：规则明确、变更模式固定、出错了容易回滚。 就是先挑软柿子捏。 哈哈，可以这么说，但这些'软柿子'其实一点都不软。你看依赖库升级这件事，听起来简单对吧？但现代软件项目可能依赖几百甚至几千个第三方库，每个库都有自己的更新节奏。一次升级可能涉及API接口变更、配置文件调整、兼容性测试一大堆事。在Uber这种微服务架构里，一个核心库的升级可能要在几百个服务里同步改。让工程师手动做这事，既枯燥又耗时，但模式又很固定，特别适合AI代理批量处理。 对，Google之前也有类似的大规模代码变更工具，但那还是需要人写规则。现在AI代理等于进一步降低了构建这种自动化的门槛。 没错，这是一个质的变化。 还有一点我觉得特别值得聊的，就是Uber的平台化策略。它没有说让工程师各自去用ChatGPT或者Copilot，而是专门建了一个统一的内部平台。这个选择背后的考量是什么？ 这个决策其实非常关键，体现了企业级AI落地和个人用AI工具之间的根本区别。统一平台带来三个核心优势。第一是一致性，所有AI生成的代码遵循统一的质量标准和安全规范，不会出现A团队用这个工具、B团队用那个工具，最后代码风格乱七八糟的情况。第二是可观测性——这个词在分布式系统里很常见，就是你能系统性地监控每个AI生成PR的全生命周期：生成耗时、Code Review通过率、合并后的线上故障率、回滚频率，全都能用数据量化。 这就不是靠感觉说'AI好像挺有用'了，而是有硬数据支撑的。 对，第三个优势是可控性。企业可以精确控制AI代理的权限边界——哪些类型的变更允许自动化，哪些必须人工介入，这条线画得很清楚。你想，如果让几千个工程师各自为政地用AI工具，这个风险管控根本没法做。 所以本质上，企业需要的不只是AI的能力，更是对AI产出的治理能力。这个洞察挺深刻的。那我们来聊聊大家最关心的问题——工程师的角色到底怎么变了？是不是真的要被替代了？ 这个问题我觉得要从软件工程的历史来看。从汇编语言到高级语言，从手写代码到框架和低代码平台，每一次抽象层级的提升，都是让工程师从底层实现细节里解放出来，去关注更高层次的事情。AI代理是这个趋势的最新一步。工程师的角色确实在变——从'代码编写者'转向'代码审查者'和'AI代理的编排者'。 但审查AI写的代码，设计代理的工作流，判断哪些任务适合交给AI、哪些不适合——这些其实对工程师的要求更高了，不是更低了。 完全同意。你要审查AI生成的代码，得有深厚的技术功底；你要设计有效的代理工作流，得对任务分解和系统架构有深刻理解；你要判断AI的适用边界，得有丰富的工程经验和风险意识。所以AI代理解放的是重复劳动，放大的是工程师的决策价值。这不是替代，是角色升级。 说得好。最后我想聊聊对其他企业的启示。不是每家公司都有Uber的技术实力，但这个路径是不是可以复制？ Uber的实践其实提供了一个很清晰的参考框架。四个关键词：建平台不散装，从低风险任务切入，逐步扩大范围，持续用数据衡量效果。你不需要一上来就搞多复杂的东西，先找到你们公司里那些模式化的、重复性强的、出错了容易回滚的任务，让AI代理先跑起来，验证效果之后再往更复杂的场景延伸。 嗯，11%是一个起点，不是终点。随着AI代理能力提升和平台成熟，这个比例大概率还会涨。但更值得期待的是质的变化——AI代理能不能从这些重复性任务扩展到更复杂的功能开发。不管怎样，在Uber，AI自主编码已经不是未来的概念了，它是每天都在运转的工程现实。这个信号，值得每个技术团队认真对待。