跳到正文
AI Engineer(youtube.com)· Zach Bruggeman·· 2 天前品質評分58

如何打造一個能形塑文化的代理——Ramp 的 Zach Bruggeman

如何打造一個能形塑文化的代理——Ramp 的 Zach Bruggeman

重點導讀

Ramp 的 Zach Bruggeman 說明旗下多人協作編碼代理 Inspect 如何靠預設公開的工作階段與共同除錯建立工程師信任,而非鼓勵單打獨鬥;Ramp 有 75% 的程式碼由 Inspect 產出並上線。

AI 伴隨問答

自備 Key 深度分析

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:

Podcast 專家音訊節目

收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情

正文

Ramp 的工程師 Zach Bruggeman 認為,匯入 AI 程式代理(coding agent)的難關已經不在技術,而在文化;而致勝之道,是打造一個全公司共用、預設公開的代理,藉此消滅資訊孤島,讓信任與企圖心在同儕之間自然擴散。他指出,Ramp 目前約有 75% 的程式碼,是透過公司自研的代理 Inspect 撰寫並交付上線。這場演講基本上是一份文化案例研究,素材來自 Ramp 的內部經驗:Inspect 如何成為全公司的共同基準、公開工作階段(session)如何建立信任,以及工程師如何自行延伸這套工具。演講標題的框架——「一個會打造文化的代理」——算是名實相符;不過本集節目鮮少著墨 Inspect 的技術底層,Bruggeman 也明確表示這部分他略過不談。

Bruggeman 是 Inspect 開發團隊的成員,而 Ramp 現在已開始對外販售這套工具。讀者讀完應該能帶走一套具體的模型,瞭解如何大規模推行代理式寫程式:用單一共用工具取代每位工程師各自為政的環境;以預設公開的工作階段作為訓練機制;把工作階段產出物當成程式碼審查中的信任層;並讓使用者免申請即可自行延伸功能,作為產品路線圖的來源。本集還收錄了一段坦率的除錯故事,在當中 Inspect 既是除錯工具,也是 bug 的成因。

一個共用代理,勝過數千套私人環境

Bruggeman 用 Ramp 一貫的省時省錢視角來鋪陳這次推行。在一個數千人的組織裡,就算每位工程師只花 15 分鐘設定環境,加總起來也是好幾天的損失。由於前沿的最佳實務不斷演進,設定成本並非一次性,改善也不會平均擴散——他稱之為組織內部「成果落差」(disparate outcomes)的來源。他的結論是:靠個人各自最佳化,不是公司取勝的方式。

「這在個人層面或許是優勢,但當你要打贏一場仗,你需要的是每個人都在最佳狀態。」

因應之道,是把 Inspect 做成全公司單一的共同基準。團隊一旦發現有效的模式或工具,就立刻推廣到整個組織。工程師仍可自由調整自己的環境,但 Inspect 永遠是一個可靠的預設選項。值得注意的是,Ramp 從未強制使用;Bruggeman 說,正因為有一個強大的基準存在,大家根本不太需要再去弄個人化的設定。

他的論據建立在一個謙卑的前提上:沒有人能可靠地知道,面對各種任務時與代理協作的最佳方式是什麼——即使把追上新進展當成全職工作來做也一樣,每個人都會漏掉東西、帶著偏見、有盲點。單一共用代理能讓任何改善觸及所有人,而且對大多數變更而言,更新是無感的:使用者照常工作,就自動繼承了這些好處。

預設公開的工作階段,取代了正式的 AI 訓練課程

讓共用基準真正發揮作用的機制是「可見性」。每個 Inspect 工作階段在 Ramp 內部預設公開,Bruggeman 說,這讓公開工作比私下工作還輕鬆,所以大家自然就預設公開。結果是,Ramp 完全沒有為 Inspect 開設任何正式的「如何有效使用 AI」訓練課程。工程師在自己本來就會出沒的頻道裡看同事怎麼做,從中學習,甚至可以直接請 Inspect 檢視某位同事最近的工作階段,說明對方如何組織提示、如何拆解難題。

這也為 Inspect 團隊本身創造了回饋迴圈。他們經常看到自己從未想像過的使用方式,進而回過頭來決定要打造什麼——為常見模式提供更多原生基礎元件,或是補上缺少的工具與資料。Bruggeman 形容這是一個自我維持的迴圈:團隊藉由觀察大家已經用 Inspect 做到什麼,來決定怎麼做能讓 Inspect 最成功。

工作階段產出物,讓程式碼審查成為信任的過程,而非丟一份 diff

Bruggeman 說,今年採用代理式寫程式,對每位工程師而言都是「一場大規模的信任建立工程」。模型變強有幫助,但很大一部分工夫在於學會信任代理寫出來的東西,而這種學習來自其他人。他擔心,若只依賴少數幾位顯眼的意見領袖,知識的累積會很狹窄;他想要的是本質上就能共享所有人知識的系統。

Inspect 的答案是:工作階段本身就是一份活的產出物。當 pull request 送出時,審查者看到的不只是「隔牆丟過來」的 400 行 diff。他們看到的是完整的對話、Inspect 用過的每一個工具、前後對照的截圖,有時還有一段驗證代理在瀏覽器中實際點選操作 App、證明成果站得住腳的影片。Bruggeman 的說法是:這讓你不只輕鬆展示改了什麼,還能展示為什麼可以信任它——而且會把平常不跟你一起工作的人也拉進來。

一個由 Inspect 造成、也在公開討論串裡修好的 bug

本集的核心軼事發生在二月(依發布日期推算應為 2026 年)。工程師 Andrew 回報了 Inspect 的一個 bug。Bruggeman 立刻用 Inspect 來調查——這點值得一提,因為 Inspect 早就接上了 Datadog,但團隊才剛完成 Inspect 本身的觀測埋點(instrumentation),他也提到,Inspect 主要是由前端產品工程師打造,對這群人來說追蹤(tracing)是陌生領域。

Inspect 的結論是:問題出在觀測埋點本身——正是那個用來除錯的埋點導致了錯誤。Bruggeman 和 Dylan Garcia 都不太採信;Andrew 則說他乾脆改用 Claude Code 算了。Bruggeman 補了一句:「這裡根本沒人真的信任任何人。」因為整件事都在公開環境進行,討論串就這麼繼續下去。Garcia 請 Inspect 去檢查那個遙測函式庫的程式碼,看看是否有既存問題,只是先前一直沒被看見。Inspect 給出了很具體的答案:該函式庫呼叫了 fetch,卻從未讀取或取消回應主體(response body)——這是當時 Cloudflare 平臺的一項限制,而該函式庫原本是為 Cloudflare Workers 寫的。Inspect 修補了 exporter,讓它明確取消回應主體,部署之後就不再出現錯誤。

Bruggeman 強調,重點不在於這個修正。在 Inspect 出現之前,這樣的回報大概會被口頭確認、開一張票,然後私下除錯,事後再告訴 Andrew 已經修好了。但在公開環境下,Andrew 參與了討論、提出自己的想法,同一個討論串裡還冒出其他點子,談到 Inspect 還能驅動哪些工作——沒有人催促,也沒有人施壓。不到一小時,一個體驗壞掉、滿腹懷疑的使用者,就變成想一起打造東西的投入同事,而 Inspect 也變得更穩定。

使用者延伸了產品,也改寫了路線圖

Bruggeman 擔心今年「大家對單打獨鬥的獨行俠建立了多少崇敬」。他說,用 AI 讓個人做更多事沒問題,但不能是終局:若不向外拓展、不分享所學,「這一切終將自我崩塌」,團隊會把自己當成唯一的受眾。

Ramp 的反例是 Review Buddy。公司原本一直在試用市面上的程式碼審查產品,想找到合適的。工程師 Daniel 和 Franel 發現,Inspect 已經有可從多種來源(包括建立 pull request)觸發的自動化機制,於是就自己打造了一套審查代理——沒有先問過任何人,就像 Inspect 本身一開始也只是個側專案。Bruggeman 說,這逼得 Inspect 團隊換個角度思考:他們原本滿足於 Inspect「就是一個程式代理」,但看到別人把它推到什麼地步,才開始思考要讓它形成完整迴圈。他說,少了這股自然形成的推力,Inspect 團隊要走到那一步會慢得多。

Inspect 成了 Ramp 文化的一部分,而不只是工具鏈的一環

Bruggeman 的收尾主題是:這個工具成了文化物件。Ramp 每個人都認得 Inspect 的臉;逢年過節大家會幫它打扮,久而久之還藏了彩蛋在裡面。他坦承,不是每一次改版都完美,但每一次都是一起完成的。他給聽眾的功課是:接下來這一週,問問每個和你共事的人,有什麼事是你一直想做卻還沒做的,然後試著一起把它做出來。他說:「現在真的沒有理由不去試了」——因為你和所有人都能用同一批模型。

最後他以商業訊息作結:Inspect 現在已在 Ramp 之外開放使用,候補名單在 inspect.com/ieie,團隊表示消化速度很快。他也感謝 Dylan Garcia 在社群媒體上分享 Inspect 的公開觀察,並請大家參閱 Ramp 的部落格文章,以及 Pragmatic Engineer 的深度報導,瞭解技術面的細節。

值得觀察的重點

尚未化解的張力,在於規模與強制之間的取捨。Ramp 的模式之所以行得通,是因為採用出於自願,而基準又夠好,好到沒有人需要退出——這個條件,對打造工具的公司在維持上,比對買工具的公司容易得多。75% 這個數字出自 Bruggeman 本人的說法,並未依程式碼型別、風險等級或審查結果細分,因此衡量的是量,而非質。比較容易移植的教訓是結構性的:以預設公開的工作階段作為訓練層、把工作階段產出物附在 pull request 上作為信任層、讓使用者免申請即可自行打造延伸功能作為路線圖。這三件事要照抄都不難,但要抄得好卻很難。

來源: AI Engineer (youtube.com)
開啟原文

讀者討論

理性交流 · 即時討論