走进 Uber 的 AI 工程基础设施

📌 One-Sentence Summary

Uber 工程负责人说明多年开发者平台建设如何支撑模型与工具网关、共享技能、上下文图谱、云端编程智能体和自动验证。

📝 Summary

这场一手访谈展示 Uber 如何把既有开发者基础设施接入 AI 工程流程。服务接口契约用于生成 MCP 工具定义，并统一接入工具网关；模型网关则以兼容 API 提供不同供应商的模型。共享技能仓库让多种编程工具沿用团队知识。内部上下文图谱连接服务、负责人、文档、事故和变更，为工程问答提供依据。后台编程智能体 Minion 在云端 DevPod 中执行任务，受访者称它参与约 15% 的生产 PR。访谈还介绍 Bazel 构建、内循环验证、流量录制回放、代码审查风险信号与最终的人工合并决策。细节具有参考价值，但采用率和效率主要来自受访者陈述，节目也包含赞助内容。

💡 Main Points

既有开发者基础设施为智能体提供执行环境

服务契约、DevPod、单体仓库工具、构建与发布系统成为编程智能体的工具和反馈回路。

集中管理模型、工具与技能

模型网关接入不同供应商，工具网关暴露 MCP 工具，共享技能仓库服务多种编程工具。

用上下文图谱为工程问答提供依据

内部图谱将服务与负责人、文档、事故和变更相连，帮助助手更快找到相关工程背景。

后台编程仍需验证和人工审查

Minion 可跨仓库生成变更，但测试、风险信号和人工判断仍决定 PR 能否合并。

💬 Key Quotes

我们提供统一的 OpenAI 或 Anthropic 兼容 API

这是所有工具共用的一道网关

目前约 15% 的生产 PR 经由 Minion

📊 Article Meta

AI Screening： 91

Featured： Yes

Source： The Pragmatic Engineer

Author： The Pragmatic Engineer

Category： 软件编程

Language： 英文

Read Time： 76 min

Word Count： 18789

Tags：

编程与工程 , 自主编码 , AI基础设施 , AI Agent , MCP协议

Play Full Video