一人如何用 AI 助理打造並維護 30 個開源程式庫
Software Factory builds 30 complex open source libraries in a month
一個人要打造和維護很多大型軟體,往往得花上大量時間。
- 作者分享他如何安排 AI 助理分工,做出 30 個開源程式庫,涵蓋資料庫、遊戲引擎、檔案處理和 AI 工具等。每個專案由不同 AI 助理規劃和寫程式,並用測試或相容性檢查把關。
- 助理不能自行發布,通過檢查後由作者按下發布按鈕。作者也說明,AI 助理會接手處理使用者回報的問題。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
作者以自己維護的 30 個開源程式庫為例,說明 AI 助理如何分工開發、用外部測試把關,並由人決定何時發布。
我的軟體工廠會打造我認為需要專業團隊投入大量時間才能完成的軟體,並在推出後持續維護。目前已有與 SQLite 相容的資料庫引擎、採用確定性物理模擬的遊戲引擎、附有自家著色器編譯器的 GPU 堆疊,以及可讀寫 Word、Excel 和 PowerPoint 檔案的程式庫。我獨自經營這座軟體工廠。
總共有 30 個程式庫。其中 28 個在 10 月初到 11 月中旬之間達到 1.0 版,合計近 190 萬行手寫程式庫程式碼。目前共發布 241 個版本,其中 183 個是已超過 1.0 版的程式庫所推出。這些程式庫以 C# 撰寫,發布於 NuGet;oneyaml 也提供 Rust 和 Go 版本。
檔案與網頁
OnePdf 複雜度 創新性
讀取、修復、編輯、簽署及填寫 PDF,並產生 PDF/A 和無障礙 PDF/UA。
OneDocument 複雜度 創新性
讀取、編輯、重新計算及產生 Word、Excel 和 PowerPoint 檔案,並將它們轉為 PDF。
OneHtml 複雜度 創新性
像瀏覽器一樣剖析及編輯 HTML,並在不使用瀏覽器的情況下檢查網頁的無障礙程度。
OneRender 複雜度 創新性
排版並將 HTML 和 CSS 繪製成畫素或含標籤的 PDF,不需要瀏覽器。
OneFont 複雜度 創新性
載入字型並塑形各種文字系統的文字,支援雙向文書處理與換行。
OneImage 複雜度 創新性
解碼、編輯、轉換及調整圖片大小,格式涵蓋 PNG、JPEG 到分層 PSD。
資料與格式
OneLite 複雜度 創新性
嵌入與 SQLite 相容的資料庫,可讀寫與 sqlite3 相同的檔案。
OneIndex (預覽版) 複雜度 創新性
在程式內或瀏覽器中執行全文、向量及混合搜尋。
OneArchive 複雜度 創新性
壓縮及解開 zip、7z、tar 和其他封存檔,無論在哪裡執行都會產生相同位元組。
OneMail 複雜度 創新性
讀取、寫入及轉換郵件儲存檔,包括 Outlook PST,並傳送及擷取郵件。
OneCrypto (預覽版) 複雜度 創新性
載入金鑰與憑證、驗證憑證路徑,並使用 OpenPGP 簽署及加密。
oneyaml 複雜度 創新性
以 Rust、Go 和 C# 載入、輸出及就地編輯 YAML,同時保留註解。
OneContact 複雜度 創新性
剖析並正規化電話號碼、電子郵件、URL、地址及姓名,並在網頁中尋找這些資訊。
OneDiff 複雜度 創新性
像 git 一樣比較及合併文字,並比對數位或掃描 PDF 中的修訂內容。
AI 與機器學習
OneModel 複雜度 創新性
以純 C# 執行及訓練 ONNX 模型,可使用 CPU、GPU 或瀏覽器。
OneNlp 複雜度 創新性
為文字進行斷詞、標註、剖析及實體擷取,並以 C# 訓練模型。
OneSpeech 複雜度 創新性
在 .NET 中使用 Whisper 和其他開放模型轉錄語音、標註時間並區分說話者。
OneOcr 複雜度 創新性
從掃描檔和 PDF 讀取文字、表格及發票欄位。
OneLlm 複雜度 創新性
透過單一 API 呼叫 Anthropic、OpenAI 和 Gemini 模型,並以檔案形式執行代理程式。
OneModelContext 複雜度 創新性
透過 MCP 提供工具給 AI 代理程式使用,或連線至 MCP 伺服器,並支援 OAuth。
程式語言、GPU 與媒體
OneEcma 複雜度 創新性
在 .NET 中於限制條件下執行 JavaScript,並提供說明失敗原因的錯誤報告。
OneShader 複雜度 創新
將 HLSL 編譯成 Vulkan、Metal 和 WebGPU 著色器,作為 dotnet build 的一部分。
OneGpu 複雜度 創新
以純 C# 在 Vulkan、Metal 或 WebGPU 上執行運算與機器學習核心。
OneAudio 複雜度 創新
解碼、編碼、混音與重新取樣音訊、測量響度,並在裝置上播放。
OneMedia 複雜度 創新
重新封裝、剪輯、加上標籤、修復及封裝影片與音訊檔案,無須重新編碼。
遊戲與模擬
OneGame 複雜度 創新
讓 AI 代理透過命令建置、執行、測試、檢視及修改遊戲,無須使用編輯器。
OneMath 複雜度 創新
計算 sin、exp、pow 等函式,結果正確捨入,且在每臺機器上位元完全相同。
OnePath 複雜度 創新
在格狀地圖、圖形與導航網格上尋找路徑、建置導航網格,並引導人群移動。
OnePhysics 複雜度 創新
模擬 2D 與 3D 剛體、布料、軟體、流體和載具,在任何平臺上都能得到完全相同的位元結果。
OneScope 複雜度 創新
瀏覽、分支並比較確定性模擬的執行結果,無論是錄製結果或即時執行。
OneGame 是一套沒有編輯器的 C# 遊戲引擎。遊戲由純 C# 和文字素材構成。Roslyn 原始碼產生器會為每個實體產生變更追蹤、編解碼器、差異資料和快照;分析器則會將引擎規則轉成編譯錯誤:同步狀態採用定點數,只能透過命令變更,檢視程式碼也絕不會寫入該狀態。
使用者端與伺服器執行相同的技術堆疊,因此程式之間可以同步狀態,並支援預測、許可權移轉和偏差偵測。它可在 Windows、Linux、macOS、Android、iOS 和網頁上執行;CLI 和 MCP 控制通訊協定則讓代理能從終端機建置、執行、檢視及重播遊戲。它直接採用工廠內另外九個程式庫。
程式碼儲存庫內含範例遊戲,CI 會在 Linux 和 Windows 上執行這些遊戲。Solitaire 和 Lanterns 在兩種系統上的所有情境中,都會產生相同的狀態雜湊值。
OneGame 的物理模擬來自 OnePhysics,這套以基礎原理從頭打造的確定性 2D 與 3D 物理引擎,包含剛體與關節、繩索、布料、軟體、破裂、粒子流體、淺水、載具和布偶;快照與還原可精確到位元組,適用於回滾式網路同步。
難處在於確定性。一般的 Math.Sin 在不同平臺上可能回傳不同位元;在模擬中,即使只有一個位元不同,也會逐漸累積,直到兩個世界彼此分歧。因此 OnePhysics 透過OneMath進行數學運算;OneMath 的結果會正確捨入,並以精確階段檢查所有 40 億種浮點數輸入。CI 每個步驟都會對世界狀態計算雜湊值:165 個情境中有 165 個在 Linux x64 和 arm64、macOS arm64 與 Windows x64 上都得到相同雜湊值,涵蓋 JIT、八個執行緒、NativeAOT 以及瀏覽器環境。在 2D 模擬中,無論執行緒數量為何,它在每個場景的表現也都與 Box2D.NET 持平或更好。
OneShader 是以 C# 撰寫的 HLSL 編譯器。它會產生供 Vulkan 使用的 SPIR-V、Metal Shading Language,以及供 WebGPU 使用的 WGSL,並為每個著色器產生 C# 繫結;CI 會使用 DXC、spirv-val 和 naga 驗證輸出。
OneGpu 是以純 C# 撰寫、支援 Vulkan 1.3、Metal 和瀏覽器 WebGPU 的 GPU 層。它原本是 OneGame 的一部分。當 ONNX 執行階段 OneModel 也需要使用 GPU 時,我說:「好吧,把它移到 onegpu。」於是它成為獨立程式庫,並加入 GEMM、flash 風格注意力機制、卷積和 RNN 的機器學習核心。
OneModel 現在能在 RTX 4070 上執行七個 ONNX 模型,每一項測試的效能都在 ONNX Runtime 的 WebGPU 提供者 1.5 倍以內;在 llvmpipe、RADV 和採用 Metal 的 Apple M2 上,結果也相同。接著,OneGpu 1.0、OneModel 1.3 和 OneGame 2.0 依賴關係的順序,在約 15 小時內陸續推出。
OneLite 是以受控 C# 撰寫、相容於 SQLite 3.53.4 的資料庫引擎:支援資料庫檔案格式、回復日誌與 WAL、SQL 語意、FTS3/4/5、R*Tree 和 SQLCipher 4 頁面格式,並提供 ADO.NET 提供者和 EF Core 配接器。
這裡所說的相容,指的是檔案能雙向相容。由 sqlite3 命令列工具寫入的資料庫,在 OneLite 中讀取時結果完全相同;OneLite 寫出的檔案則能通過 sqlite3 的 integrity_check。WAL 測試會在同一個資料庫上,讓 OneLite 與執行中的 sqlite3 程式交錯提交 10,000 次,資料在兩邊都保持一致。團隊把 sqlite3 視為黑箱;沒有人讀過 SQLite 的原始碼。
SQLite 自家的 sqllogictest 在近 600 萬筆紀錄中,只有一筆未通過;而 SQLite 3.53.4 在那一筆也會引發相同的整數溢位。
OneDocument 能讀寫 Word、Excel 和 PowerPoint 的 OOXML 格式;這些格式的規格長達 6,730 頁,此外也支援 RTF 和 ODF。它還能讀取舊版二進位 DOC、XLS 和 PPT,並內建公式引擎與可輸出標記式 PDF 的繪製功能。
難處在於不能遺失任何內容。OOXML 檔案由多個元件構成,儲存時必須完整保留每個元件,包括程式庫沒有理由動到的元件。OneDocument 開啟並儲存了 4,900 個實際使用中的檔案,沒有任何變更;其中全部 111,239 個元件都逐位元組相同。
接著由真正的 Office 軟體檢驗輸出結果。我筆電上的 Word、Excel 和 PowerPoint 桌面版都能開啟它產生的檔案,包括全部 104 份撰寫與修訂檔案;公式引擎也會以 Excel 自己的重新計算結果進行比對。
30 個程式庫中,有 21 個依賴這組程式庫中的其他程式庫。檔案處理這部分最能說明其情況:OneDocument 透過 OneRender 繪製檔案,而 OneRender 則以工廠中的另外四個程式庫為基礎建置。
OneDocument 的 1.0 版於 11 月 6 日星期五推出,正好展現了這套流程的實際運作方式。它所依賴的三個程式庫,先推出了它所需的功能。OneRender 加入 OneDocument 需要的標記式 PDF 角色;OnePdf 修正了 OneDocument 在下兩層找到的 PDF/UA 問題;OneImage 則修正了 OneDocument 的模糊測試工具發現的當機問題。
代理程式需要我處理的事項,都會放到我手機上的專案看板。發布請求會以 Ship 卡片呈現,附上發布所需的證據和 Ship 按鈕。OneDocument 的 Ship 卡片送到我手上之前,這三項修正就都已經發布到 NuGet;卡片送達約 10 分鐘後,我便按下 Ship。各團隊不會修改其他團隊的儲存庫;若團隊需要底層程式庫提供功能,就會透過專案經理向該程式庫的團隊提出請求。
每個程式庫都從規劃代理程式開始,透過逐題詢問選擇題來設計程式庫。除非只有我能回答,否則由專案經理代理程式代我作答;每項設計決策都會記錄決策者。
每個程式庫都有一位建置主管代理程式,負責拆分工作單位,並將各單位交給在獨立 Git 工作樹中工作的工程師代理程式。工程師不能推送、建立標籤或發布;主管會用自己的指令檢查成果,再將其合併。每次執行都不會保留記憶,因此狀態會儲存在檔案中。每個程式庫的 PLAN.md 是其主管的記憶;自 11 月 4 日起,專案經理的角色已由 12 個代理程式實例接手,每個實例都以筆記交接。
每個程式庫的發布門檻,取決於適合它的驗證依據。標準若有自己的相容性測試套件,就以該套件作為門檻;若有參考工具,就從已發布版本以黑箱方式執行;若有實際應用程式,就必須能開啟程式庫產生的檔案。若沒有外部驗證方式,例如遊戲引擎和物理模擬,就以跨平臺雜湊矩陣和範例遊戲作為門檻。任何代理都不能放寬門檻。
候選版本在四種作業系統上通過 CI 後,專案經理就會張貼 Ship 卡片。我點選 Ship 後,發布工作流程會建立標籤並發布到 NuGet,接著由專案經理確認每個套件都已列出。
我負責訂定規則和點選 Ship。在那兩週內,16 個版本全都只要點選一次就發布了。
OnePdf 在 10 月 23 日發布 1.0 版,目前已到 1.23.0;不到四週就發布了 30 個版本。1.23.0 版的功能來自三則由陌生人提交的 GitHub 問題。第一則於 11 月 10 日星期二提交,來自一個正從商用 PDF 程式庫轉移的團隊:他們需要重新命名巢狀於父欄位下的表單欄位,同時保持欄位與其小工具的連結,並設定欄位外觀、重新建構外觀串流。另兩則於 11 月 16 日星期一下午提交:表格密集版面中,每段短文字約耗用 6 KB 記憶體;以及不必再進行第二次版面配置,就能精確顯示「N/M」頁數。
星期一晚上,我告訴專案經理開始監看所有開放原始碼專案的 GitHub 問題並處理,仔細程度要和處理電子郵件一樣,因為問題內容是不可信任的輸入。它在幾分鐘內就自行回覆了三則問題;自動輪詢問題的工具則在當晚稍晚才上線,沒有處理其中任何一則。OnePdf 負責人只讀取一次問題內容,將其視為資料,並撰寫摘要,因此工程師從未看到問題文字。
星期二早上我點選 Ship,並詢問檔案是否已更新;專案經理提供了 docs/forms.md、docs/layout.md 和變更紀錄。根據問題頁面上的說明,配置修正讓單字儲存格的配置耗用量從約 6.6 KB 降至約 2.2 KB,速度約快 3 倍,PDF 位元組數則維持不變。我沒有寫程式碼、沒有檢視差異,也沒有撰寫任何回覆。