最近看到一场 Anthropic（Claude）团队成员与 Uber 负责 AI 与开发者体验的负责人的访谈直播，思路值得学习
由通义听悟、Gemini、Deepseek等多位老师联合带来本篇量子速读，直播转录原文见文末
专门团队驱动：Uber 内部有一个名为 "AI Foundations and devx"（AI 基础与开发者体验） 的团队，由 Adam 领导。
核心目标：其核心目标是将 Uber 的软件开发流程彻底转型为 "Agentic Engineering"（智能体工程）。
工程师角色的转变：Uber 认为在智能体时代，工程师的核心任务正在转变为利用 AI 能力来强化工程基础，构建自动化工作流（如特征装配线），并为 AI 系统的输入和输出质量负责，而不是单纯地手写代码。
极早期的采用者：Uber 是最早一批尝试 AI "Skills"（技能/插件）和 Marketplace（市场）概念的公司。一旦该概念提出，Uber 的开发者平台团队就自发建立了一个内部市场。
指数级增长：
多层级市场架构：
aifx CLI：Uber 内部开发了一个名为 aifx 的命令行工具，作为员工进入智能体控制台、MCP 生态和技能生态的统一入口。它能自动拉取最新的黄金市场配置。
评估与遥测系统 (建设中)：为了防止低质量技能泛滥，Uber 正在为黄金市场引入 CI/CD 流程、代码审查、所有权机制，以及 "LLM-as-a-judge"（大模型作为裁判） 的自动化评估机制。同时正在上线技能的遥测（Telemetry）系统，以追踪使用率和用户反馈。
Uber 内部开发了大量极具创意的技能，覆盖了多个领域：
代码审查 (Code Review)：除了基础的快速审查，还有专门针对并发问题、Go 语言 panic 检测的深度审查。甚至可以召唤一个“具有不同性格的智能体团队”来进行多模型的交叉审查并得出共识。
技能工坊 (Skill Workshop)：这是一个“元技能”。它能读取开发者与 AI 的当前对话会话，自动总结并生成新的技能代码，固化工作流。
跨领域赋能 (Skill Packs)：将特定的岗位知识封装。例如，iOS 开发者加载“数据科学”技能包后，就能瞬间生成数据仪表盘并进行复杂的数据查询，打破了专业壁垒。
特征装配线 (Feature Assembly Line)：有工程师开发了复杂的“流水线技能”。它能限制
工程经理专属智能体 (Agentic EM)：Adam 个人使用了一套 EM 技能。AI 可以通过读取 Slack 频道、GitHub PR 等上下文，自动生成工程师的状态报告、向高层汇报的摘要，甚至能模仿他的个人写作风格（通过注入个人 markdown 档案）。
赋能非技术人员：不懂 Git 的员工，现在可以通过对话让 AI 自动建仓库、开分支、提交代码，完成了以前只有工程师才能做到的文档和配置修改。
团队记忆共享：正在研发将高质量的 AI 交互会话存储到图数据库中（Graph RAG）。当其他工程师遇到类似问题时，可以通过“回忆技能”提取这些团队知识。
自动化测试与验证（当前重点）：致力于开发能同时拉起多个移动端模拟器，在暗黑模式、不同语言环境下并行验证 App 功能的技能。
5、实际产生的影响 (Impact)
研发速度显著提升：Uber 的整体代码产出速度（Velocity）被观测到有了切实提高。例如，过去需要人工盯几个小时的 CI 构建过程，现在节省了一半的时间。
员工体验改变：管理者（如 Adam）表示“这是我职业生涯中感觉最有创造力的时候”，因为通过并行开启多个 Claude 任务，员工的生产力杠杆被极大地放大了。
以下是直播详细内容
Uber 开发者平台团队的一名成员在 Claude Marketplace（应用市场）概念宣布后，自发建立了初始的 marketplace。
初始 marketplace 仅包含两个技能：一个用于在 CI 上检查 PR 日志并进行分类/修复，另一个是关于代码审查的 skill。
该平台在去年年底增长到约 20 个技能，随后呈现爆炸式增长。
目前 Uber 拥有一个包含核心技能（约 200 个）的 "golden marketplace"（黄金市场），作为默认设置提供给用户。
此外，还存在大量个人、团队和组织的私有 marketplace，所有 marketplace 的技能总数超过 500 个。
设立 "golden marketplace" 的部分意图是为了控制范围，确保开箱即用的核心技能质量。
代码审查是早期核心应用： 包括快速代码审查和具有专业知识的审查（如检测 Go 语言的 nil panic、并发问题）。
高级审查模式： 可以启动具有不同“性格”的 Agent 团队进行深度审查，甚至可以多框架、多模型比较结果并达成共识。
元技能（Meta Skills）： 指用于创建其他技能的技能，例如在内部工作坊中用于引导用户根据会话记录创建技能。
知识封装与赋能： 将公司内部隐性知识封装为技能，使非专业人士（如 iOS 开发者做 Android/后端/数据科学）能快速获得特定领域的专业能力，如同“上传程序”般解锁新技能。 数据科学技能包是突出例子。
验证（Validation）是移动端首要任务： 构建能启动多个模拟器、协调多任务（如深浅色模式、多语言）的验证技能是当前重点。
生命周期覆盖： 将跨越整个软件开发生命周期（SDLC）的技能串联起来（从研究、规划、构建、测试、验证到生产监控），让 Claude 协调整个 SDLC，这非常强大。
工程管理应用： 用于自动化状态报告、高管更新、会议准备等管理工作，让 Claude 成为个人延伸。
工作坊是引导用户的关键： 通过工作坊向团队介绍技能概念，并引导他们创建第一个技能，是有效的入门方式。
核心价值在于专业化通用 Agent： Skills 是实现通用 Agent（Claude）专业化、使其真正理解特定环境（如 Uber）的关键方法。 这比构建定制化 Agent 更高效。
“顿悟”时刻： 当用户体验到根据会话创建技能、迭代技能、技能自我修复或看到技能串联的魔力时，会产生关键性的理解飞跃。
技能与 Agent 的对比： 对于绝大多数情况，“制造 Skills，而不是 Agents”是更优策略。 因为已有强大的通用 Agent 框架（Claude），无需重复构建基础功能（如自我修复、文件系统访问）。
工程素养比以往更重要： 确保高质量交付、防止草率的核心工程原则（如代码审查、CI、工具链）在 Agentic 时代更加关键。
核心职责： 利用 Agentic 能力加强工程基础，构建能够加速功能开发并提高交付质量（通过更多检查）的技能流水线。
人类责任： 人类仍需对输入和输出负责。
赋能与创造力： 工程师个人感觉更有创造力，能完成更多工作，同时赋能非程序员进行“氛围编码”（Vibe Coding）和非生产性工作流（如建网站、操作 Git）。
提升沟通质量： 使用 Claude 可以快速生成精美的交流材料（如直播笔记、研究摘要、可视化、可交互原型），提升沟通标准。
评估好/差技能： 信号包括使用量（遥测数据）、用户反馈（点赞/踩）、Slack 讨论氛围、社区共识。好的技能应能可靠地产生正确效果（如确定性地报告优化尝试和成功数）。
劣质技能的风险： 劣质或重复的技能会破坏 Agentic 体验，增加排查难度和噪音。
引入评估流程： 对提交到“golden marketplace”的技能，实施 CI/CD、代码审查、Owner 机制，并触发基于 LLM 的评估（LLM as a judge），需通过足够评判标准才能合并。 (处于早期探索阶段)
平衡创新与质量： 鼓励自下而上的创新（允许个人/团队在私有 marketplace 或通过 URL 分享实验性技能），同时通过严格的“golden marketplace”标准保证核心技能质量。 最酷的技能可能来自边缘实验。
评估的挑战： 为技能编写评估本身很难，需关注评估正确的内容，避免过度评估，同时允许实验。当技能成为工作依赖时，回退问题更严重。
真实用例是关键： 记录技能触发时的真实会话示例，是评估技能效果的最佳方式之一（手动审阅或 LLM 审阅）。
分发机制： 使用内部命令行工具（AIFX）搜索 golden marketplace 和发现其他 marketplace。开发了由 Agent 生成的前端界面展示可用技能。
增强发现： 计划利用技能前置信息（front matter）展示更多元数据（如所有者、评估状态、分数、用户评价）和真实用例会话记录。
平台优化方向：
1、简化更新： 确保用户能轻松获取最新的 marketplace 和插件（通过 AIFX 自动拉取），减少摩擦。
2、抽象化概念： 对用户隐藏 marketplace/插件概念，让最佳技能无缝运行（如配置本地环境时自动调用“启动服务”技能）。
3、默认安装关键： 特别是对新成员，默认安装的核心技能至关重要。
4、探索“记忆”： 开发将高价值会话作为“记忆”存入图数据库并通过召回技能引入上下文的机制（工作记忆/短期/长期记忆，衰减函数是挑战）。
主流方法： 工程师普遍倾向于给出想法，让 Claude 编写技能草稿，然后进行人工编辑和迭代。 存在手动微调和利用 Meta Skill 应用最佳实践两种方式。
编辑技巧： 编辑 Claude 生成的技能时，需注意改动可能涉及多处。通常选择让 Claude 协助修改或手动删减迭代。
工作流转变： 将“先用 Claude 尝试”作为处理任何任务（包括创建技能）的默认入口。
“元技能”价值： 在实验阶段，掌握“制作技能的技能”是有效的方法。
生产力提升： 案例分析显示任务（如处理 CI 中断）时间显著缩短（如减半），Uber 整体观察到代码产出速度提升。
范式转变： 将“代码是昂贵的”转变为“代码是廉价的”，促使企业重新思考交付方式并追求更具雄心的机会。
创造力解锁： 个人和行业层面将迎来巨大的创造力爆发和赋能。
工程师状态： 个人感受到前所未有的创造力，并行处理能力增强，需要主动“刹车”。
实验精神： 当前阶段拥有实验精神、不断学习和完善技能生态至关重要。
持续学习： 利用技能构建个人学习系统（如吸收 arxiv 论文、代码库、社交媒体信息）并向社区学习是持续发展的关键。
未来方向： 关注基于遥测数据、评估和真实运行数据的技能自动升级（技能继承模型），以及更成熟的评估和质量管理。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。