Grab运用代理式工程与氛围编程，在产品开发中寻求人工智能优势

【新加坡】人工智能正在助力 Grab 的产品开发，不仅提高了工程师的生产力，也让非技术人员能更快地推出原型进行测试。

以这家超级应用公司在今年四月举办的 GrabX 产品展示会上推出的产品之一——Grab 的虚拟店长（Virtual Store Manager）为例。

它能通过读取闭路电视录像来“看见”并“理解”现场情况，并根据特定参数在仪表盘上显示信息。

这意味着无需再派人亲身查看所有录像。经理或管理团队只需通过一个屏幕，就能监控整个多店网络。

这款产品的最初形态是一个氛围编程（vibe-coded）原型。所谓氛围编程，是利用人工智能通过提示词生成应用程序，而无需人工编写代码。这为编程经验有限的人提供了帮助，让非编码人员也能构建应用。

“虚拟店长”的创建者 Muhammad Hanif Naufal Eka Wiratama 并非软件工程师，但他能迅速将自己的想法转化为原型，而无需与工程团队反复沟通。

Grab 首席技术官 Suthen Thomas 认为，这正是氛围编程对产品开发流程产生最大影响之处。

Thomas 告诉《商业时报》：“我们使用它的方式，就像设计师利用高保真模型快速将产品交到用户手中，以便观察用户的实际行为，而不是直接询问他们的需求。”

高保真原型是一个接近最终产品的版本，包含了完整的视觉设计细节和内容。

SEE ALSO

A*Star, JTC, Grab enter partnerships with robotics firm Sharpa to build Singapore’s physical AI sector

Instead of reducing the need for humans, Grab’s AI push might result in the opposite

Grab unveils 13 AI-powered solutions for businesses, consumers, travellers

尽管如此，Thomas 很快补充说，虽然一个产品或项目可能始于一个氛围编程原型，但这只应作为解决问题的起点，而非工程工作的起点。

对于软件工程工作，代码需要经过更周详的思考和精心的设计，包括它如何与其他后端系统交互，以及其内部逻辑如何运作。而由人工智能编码的氛围编程原型则无需考虑这些因素。

Thomas 将氛围编程比作“短接汽车电线来启动车辆，虽然能让车动起来，但你绝不会开着它进行规模化运营”。

要构建一个能超越初始测试阶段并持久运行的产品或功能，就需要严谨的工程方法。其中，代码的上下文、架构、测试和验证对于实现可扩展性和可维护性至关重要。

Thomas 说：“我们在随意原型设计和实际生产之间保持严格的界限，以确保我们的工程标准毫不妥协。”

代理式工程与迈向“赛博格组织”之路

在工程方面，Grab 希望人工智能代理与人类采用一种名为代理式工程（agentic engineering）的产品开发方法进行协同工作。

Thomas 表示，这是 Grab 成为“赛博格组织”愿景的一部分，在该组织中，人类与人工智能代理无缝协作以创造价值。

这个概念源于科幻小说中的“赛博格”（cyborg），即通过将技术部件与有机体融合，创造出更强大、更有能力的实体。

在代理式工程中，任务被委派给人工智能代理执行，然后由人类审查其产出，而不是由人类与人工智能助手共同编码。

Thomas 说：“如今，工程师能够将更高级别的任务或目标分配给人工智能代理，后者可能需要几分钟或几小时才能完成。人类只需在最后介入，检查完成的工作。”

并非一蹴而就的过程

Thomas 提到，Grab 在 2024 年曾暂停常规业务活动，以在全公司范围内开展首次生成式人工智能技能提升和实验活动。

这场为期九周的活动是公司大力投资人才举措的一部分，旨在通过实践经验、内部研讨会和社区主导的人工智能学习来保持这一势头。

这项投资取得了回报，超过 90% 的工程师每天都在使用人工智能编码工具。

生产力也随之提升，每位工程师的合并请求（merge request）增加了约 40%——这指的是将代码集成到应用程序中的请求，意味着应用程序的完成速度更快——同时开发时间也缩短了 20% 至 30%。

Thomas 表示，至于非工程团队，他们也没有掉队，越来越多的人正在使用人工智能来自动化任务和工作流程。

他表示：“从长远来看，这将极大地扩展我们的工程带宽，为我们在东南亚的用户和合作伙伴创造更多可能性。”

人工智能将加速工作进程

Thomas 补充说，人工智能不是一个附加功能，而是 Grab 构建其产品和功能的基础。

他解释说，来自超过 200 亿次乘车和订单的数据，以及实时信号，使 Grab 在感知、预测和应对在东南亚运营的复杂性方面具有优势。

在工作中利用人工智能也存在一些挑战，他警告要警惕“偏差正常化”（normalisation of deviance）——这个概念是在“挑战者”号航天飞机灾难后提出的，指的是对规则的偏离在文化上被常态化。

在工程领域，随着人工智能辅助工作的速度和数量不断增加，Thomas 正在密切关注任何可能侵蚀工程标准的潜在风险。考虑到 Grab 在东南亚的运营规模，这一点尤为重要。

他补充说：“你的构建速度越快，围绕验收标准所建立的纪律就越重要。”