当前位置: 首页 > article >正文

Chrome的AI开发天团:3500万行代码的团队,居然这么玩AI写代码

他们将AI视为必须遵守严格规则的可靠帮工从明确人类开发者为最终责任人到把提示词拆解为四层可组合模块再到为AI配备18个专业助手和三层知识库彻底驯化了这个高效工具。添加图片注释不超过 140 字可选你是不是以为大厂用 AI 写代码就是把 GitHub Copilot 一开让 AI 随便写代码就行错了管着全球最大开源 C 项目之一、3500 万行代码的 Chrome 团队早就不这么玩了。他们搭了一整套完整的 AI Coding 开发体系把 AI 这个工具用得明明白白 —— 既让 AI 帮人承担大部分重复工作又能牢牢管住 AI不让它瞎搞、不让人甩锅。今天就给你扒一扒这套被无数大厂偷偷抄作业的 AI 开发体系到底是怎么玩的哪怕你不是程序员也能看懂他们的聪明思路。1. 先立规矩AI 再能干锅还是人来背你有没有过这种甩锅时刻 用 AI 写了段代码线上出了 bug转头就说「这是 AI 写的我也不知道怎么回事啊Chrome 团队直接把这条路给堵死了。他们给整个 AI 体系定了个最底层的铁规矩AI 只是工具人类开发者才是最终责任人。这话是什么意思类比到生活里就懂了 你请了个保洁阿姨来家里打扫卫生阿姨帮你擦桌子、拖地、整理衣服但是最后家里干不干净、有没有弄丢你的东西还是你自己负责。阿姨只是帮工你才是主人你得检查她的工作出了问题你得担着。放到开发里就是你提交 AI 写的代码之前必须自己全部看懂确保代码没错、安全、符合规范。要是你把自己都没看懂的代码提交了不管你用没用 AI你都得声明这代码是你写的 ——AI 只是帮你干活的不是作者。要是别人给你的 CL代码变更提了意见必须是你自己回复不能让 AI 代劳。说白了就是把责任划得清清楚楚AI 可以帮你干活但锅必须是人来背别想甩锅给 AI。2. 不是一个 Prompt 打天下他们把提示词拆成了 4 层 「说明书你用 AI 写代码的时候是不是每次都要写一大段提示词 「你要遵守我们团队的代码规范变量名要小驼峰注释要写清楚构建要怎么怎么弄测试要怎么怎么弄...写一次两次还行每次都写谁受得了而且 AI 还经常记不住写着写着就忘了规则。Chrome 团队才不这么干他们把提示词拆成了 4 层就像连锁餐厅的规则体系按需组合不用每次从头写。最底层全国通用规则所有门店、所有厨师都要遵守的底线比如 「所有食材必须洗干净」、「不能用过期食材」。所对应到开发里就是有开发者都要用的核心指令比如构建之前必须先确认目录测试必须用指定的脚本不能乱改无关的 TODO不能写废话注释...比如做桌面端的AI 必须先读 Views 框架的文档理 I 的不能瞎写 UI 代码。 对应到开发里就是 8 步标准工作流先读代码理解清楚→写代码→写测试→构建→修编译错误→运行测试→修测试错误→循环至全部通过。 这些是所有人都要守的底线。第二层后厨通用流程不管你做什么菜都要按这个流程来洗菜→切菜→炒菜→装盘→出菜一步都不能乱。 不管你做什么功能都得按这个来AI 就不会乱来了。第三层门店专属规则北京门店的菜要淡一点上海门店的要甜一点四川门店的要辣一点每个门店有自己的规矩。 对应到开发里就是平台模板做桌面端的就用桌面的规则做安卓的就用安卓的做 iOS 的就用 iOS 的。最顶层单客专属要求这个客人要少盐、不要香菜那个客人要多加辣每个客人的要求不一样。 对应到开发里就是任务指令比如你要自动生成 CL 描述或者修复 Review 意见或者生成单元测试直接调用预写好的命令就行不用自己写提示词。这样一来不同的开发者只要按需组合这些提示词就行做桌面开发的就把核心规则 工作流 桌面模板拼起来做安卓的就把安卓模板换上去不用每次都从头写一大段AI 也绝对不会搞错规则太聪明了3. 18 个 「 随叫随到复杂任务再也不用查文档你有没有过这种崩溃时刻 要给功能加个统计指标搞了半天忘了要改哪些文件要写个 Fuzz 测试忘了要遵循什么规则要移除一个 Feature Flag漏了好几个步骤最后出了线上问题Chrome 团队早就给你准备好了 18 个专业帮手随叫随到就像餐厅里的师傅 你要做刺身就叫刺身帮工他知道怎么处理三文鱼、怎么切片、要什么工具不用你教 你要做烘焙就叫烘焙帮工他知道烤箱温度、面粉比例、发酵时间不用你查菜谱 你要做川菜就叫川菜帮工他知道花椒要放多少、辣椒要怎么炒门儿清放到开发里就是你要移除一个 Feature Flag那个帮手直接给你列好 17 步的检查清单一步都不会漏改哪些文件、要测什么全部给你安排好。你要加 UMA 统计指标histograms 帮手自动激活告诉你要改哪些元数据文件、要设置过期时间、要加负责人不用你自己去查文档。你要写 Fuzz 测试fuzzing 帮手直接给你模板告诉你环境怎么配、代码怎么写、怎么验证一步到位。这些帮工都是提前培训好的你需要的时候AI 自动就把它叫过来了不用你管复杂任务再也不用你自己翻文档翻半天太省心了4. 怕 AI 瞎编他们搞了个 「查文档强制令你是不是最怕 AI 瞎编 比如你问 AI我们团队的这个功能要怎么加AI 说 「我会啊」结果他说的是他之前在别的公司做的根本不是你们团队的规范写出来的代码完全不能用Chrome 团队直接给 AI 定了个死命令不许用你自己的通用知识瞎回答先查我们的文档再说话就像餐厅的帮工你不能说 「我之前在别的店做过这个菜我会做」必须先看我们店的菜谱严格按我们的菜谱来做不然你做出来的根本不是我们店的味道他们搞了三层的知识库把 AI 的嘴堵得严严实实第一层常见问题对照表比如你要做进程间通信自动就去看 Mojo 的接口文档你要做异步操作自动就去看线程的规范文档你要改 Blink 的代码自动就提醒你要用 WTF 的容器不能用 STL。不用你找AI 自动就去读了。第二层菜谱索引要是对照表没有就去查我们店的菜谱索引2000 多份文档你输入关键词一秒钟就找到对应的文档AI 自己去读绝对不会搞错。第三层总部咨询要是我们店的菜谱索引也没有就去问总部要最新的规范比如 W3C 的最新标准、当前的构建状态、depot 工具的最新用法。这样一来AI 根本没机会瞎编所有的回答所有的代码都是基于 Chrome 团队自己的权威文档绝对不会用自己的通用知识瞎搞太稳了5. 给 AI 做 「单元测试」改完规则先考一遍 AI你改了 AI 的规则比如更新了提示词加了新的规范你怎么知道 AI 有没有学会会不会反而变笨了会不会之前能做好的任务现在做不好了Chrome 团队的做法是给 AI 做单元测试就像你给帮工培训了新的洗菜流程你不能直接就让他上岗啊你得先考他一下 给你一把青菜你按新流程洗一遍看看你做得对不对 给你一个萝卜你按新流程处理一下看看有没有漏步骤 要是都能做对说明你学会了再让你上岗要是做错了说明你没学会再回去培训。放到开发里就是 他们准备了 15 个测试用例覆盖了日常开发的所有典型场景加 Feature Flag、修复失败的测试、写 Fuzz 测试、生成 CL 描述、重构类... 你改完提示词跑一遍这些测试要是 AI 都能通过说明没问题你改的规则是对的要是有哪个测试没通过说明你改错了AI 的行为退化了赶紧回去修。而且这些测试都是隔离的每个测试都在独立的环境里跑不会互相干扰还能在 CI 上自动跑完全不用人管改完规则自动就测一遍确保 AI 永远不会掉链子。6. 上千个文件的大改造AI 居然能全自动搞定你有没有过这种头疼的大工程 比如要把整个巨型模块拆成小模块或者要把所有的代码都升级到新的语法或者要清理过期的统计指标几千个文件你要改到何年何月Chrome 团队的 AI居然能全自动搞定就像你要把整个后厨重新装修几千个灶台、几千个厨具要重新布局这么大的工程你不用自己一个个弄AI 帮工可以全自动帮你处理 先盘点所有的文件然后选择构建模式接着生成新的构建文件然后更新依赖接着修复 include 错误然后验证最后提交全部自动搞定比如他们要把 chrome/browser 这个巨型的单体构建目标拆成上百个独立的小模块几千个文件AI 自动就处理了人类工程师只要最后检查一下就行这效率比自己干快了几十倍还有代码健康治理AI 自动发现过期的统计指标自动清理自动提交代码还有代码现代化AI 自动修复旧的语法错误自动验证最多重试 3 次全部自动搞定根本不用人管。7. 实战拆解用 AI 做个分屏功能原来这么简单说了这么多我们来看看实际用的时候这套体系到底是怎么工作的比如产品经理提了个需求给桌面版 Chrome 加个分屏功能支持同一个窗口里左右并排显示两个标签页。人类工程师把这个大需求拆成了几个小的任务然后 AI 就开始干活了第一步加 Feature Flag开发者跟 AI 说帮我加个叫 kSplitView 的开关默认关闭要暴露到 about:flags。AI 自动找到要改的 4 个文件加好了开关一步到位。第二步改窗口布局AI 先自动读了桌面端的架构文档理解了 BrowserView 的结构然后改了布局模型支持两个 ContentsWebView完全不用人提醒。第三步实现分屏控制器AI 自动查了相关的文档写了控制器的代码改了 文件然后构建、修复编译错误、运行测试循环到全部通过自己就搞定了。第四步加 UI 入口AI 自动加了 Tab 的右键菜单还有工具栏的按钮很简单就搞定了。第五步加统计指标histograms 的帮手自动激活AI 自动加了统计指标改了元数据设置了 3 个月的过期时间还加了负责人完全不用人查文档。最后提交开发者调用预写好的任务命令一键做了预提交检查AI 自动生成了符合规范的 CL 描述搞定整个过程人类工程师只要把需求说清楚剩下的 90% 的工作AI 都帮你做了原来要花好几天的功能现在一天就能搞定这效率谁看了不羡慕原来大厂的 AI Coding根本不是你想的那样null但 Chrome 团队告诉我们根本不是这么回事。他们不是把 AI 当万能的替代者而是把 AI 当成一个靠谱的帮工先定好规矩明确责任不让人甩锅不让 AI 乱来然后给它搭好工具把复杂的规则拆成可组合的模块把专业的技能做成随叫随到的帮手然后给它喂足知识让它只能用团队自己的文档不许瞎编最后给它做测试确保它永远不会掉链子。就这么一套体系把 3500 万行代码的超级项目用 AI 玩得明明白白效率翻了好几倍还没出什么乱子。这才是大厂真正的 AI 玩法啊。 最后问你你平时用 AI 写代码的时候最头疼的是什么是 AI 瞎编代码还是不知道怎么让 AI 跟上你们团队的规范评论区聊聊

相关文章:

Chrome的AI开发天团:3500万行代码的团队,居然这么玩AI写代码

他们将AI视为必须遵守严格规则的可靠帮工,从明确人类开发者为最终责任人,到把提示词拆解为四层可组合模块,再到为AI配备18个专业助手和三层知识库,彻底驯化了这个高效工具。添加图片注释,不超过 140 字(可选…...

遗产自动分配程序,颠覆遗产争夺纠纷,遗嘱上链,条件触发自动执行,不可篡改。

用于展示「遗嘱上链 条件触发 自动执行」这一思路在遗产分配场景中的技术可行性,而不是一个可直接用于法律实务的完整系统。一、实际应用场景描述在一个典型的家庭场景中:- 立遗嘱人 Alice 希望在自己去世后,将资产按比例分配给子女 Bob 与…...

STM32F103驱动TM7711 24位ADC芯片:从电路设计到代码调试的完整避坑指南

STM32F103驱动TM7711 24位ADC芯片:从电路设计到代码调试的完整避坑指南 在嵌入式系统开发中,高精度模拟信号采集一直是设计难点。24位ADC芯片TM7711以其出色的性价比,成为称重、压力检测等场景的热门选择。本文将带您从硬件设计到软件调试&am…...

保姆级教程:在Ubuntu 20.04上为ROS Noetic配置Qt Creator 12.0(含ROS插件安装与常见问题修复)

从零搭建ROSQtPCL全栈开发环境:Ubuntu 20.04实战指南 在机器人开发领域,ROS与Qt的组合堪称黄金搭档——前者提供强大的分布式计算框架,后者带来高效的人机交互界面开发能力。当二者与点云处理库PCL结合时,便能构建出从底层感知到上…...

基于BP神经网络PID算法的恒液位监控油田联合站【附代码】

✨ 本团队擅长数据搜集与处理、建模仿真、程序设计、仿真代码、EI、SCI写作与指导,毕业论文、期刊论文经验交流。 ✅ 专业定制毕设、代码 ✅ 如需沟通交流,查看文章底部二维码(1)粒子群优化BP神经网络PID控制器设计:针…...

告别手动拼接!用SAP的cl_gui_docking_container实现主从ALV联动显示(附完整代码)

深度解析SAP ALV主从联动:基于Docking Container的优雅实现方案 在SAP系统开发中,数据展示一直是用户体验的关键环节。当业务场景需要同时处理主表(如销售订单抬头)和明细表(如订单行项目)时,传…...

同济线代第七版学完还是懵?用Python和NumPy把矩阵运算‘跑’一遍就懂了

用Python和NumPy实战同济线代:从矩阵运算到机器学习基石 同济大学《线性代数》第七版堪称国内理工科学生的"标配"教材,但很多同学学完后仍对矩阵运算一头雾水。本文将带你用Python代码重新演绎教材中的核心概念,通过NumPy实现从行列…...

VDSL技术:铜线网络高速传输的工程实践

1. VDSL技术概述:铜线网络的第二次生命在光纤到户(FTTH)大行其道的今天,一个令人惊讶的事实是:全球仍有超过7亿条铜线电话网络在服役。VDSL(Very-high-bit-rate Digital Subscriber Line)技术正是让这些"古老"的双绞线重获新生的关…...

AI幻灯片工具质量评估与优化指南

1. 项目背景与核心价值最近两年,AI生成幻灯片工具呈现爆发式增长。从最初的简单模板套用,到现在能够根据自然语言描述自动生成完整演示文稿,技术进步令人惊叹。但随之而来的问题是:这些AI生成的幻灯片到底质量如何?能否…...

避坑指南:Python+Appium自动化测试中,雷电模拟器那些‘坑’我都替你踩过了

PythonAppium自动化测试实战:雷电模拟器疑难问题深度解析 引言 在移动应用自动化测试领域,PythonAppium雷电模拟器的组合已经成为许多测试工程师的首选方案。这套技术栈看似简单,但在实际落地过程中,开发者往往会遇到各种"诡…...

Nuvoton M091系列MCU:工业传感应用的理想选择

1. Nuvoton NuMicro M091系列MCU深度解析Nuvoton最新推出的NuMicro M091系列微控制器,是一款基于Arm Cortex-M0内核的32位MCU,专为工业传感和智能传感器应用而设计。作为一名长期从事嵌入式开发的工程师,我认为这款MCU在模拟信号处理方面表现…...

别再乱用volatile了!C++11 atomic_load/store 原子操作实战避坑指南

深入解析C11原子操作:从volatile误区到atomic_load/store实战指南 在并发编程的世界里,数据竞争和内存可见性问题就像潜伏的幽灵,随时可能让你的程序行为变得不可预测。许多C开发者习惯性地使用volatile关键字来解决这些问题,却不…...

基于Ollama与LangChain的本地PDF智能问答系统搭建指南

1. 项目概述:当本地大模型遇上你的PDF知识库最近在折腾本地大模型应用的朋友,估计都绕不开一个核心需求:怎么让我自己的文档,比如一堆PDF报告、研究论文或者产品手册,能被我的本地大模型“读懂”并灵活问答&#xff1f…...

手把手调试:当你的Xilinx 7系列FPGA无法启动时,如何通过Dedicated Configuration Bank引脚快速定位问题

手把手调试:当你的Xilinx 7系列FPGA无法启动时,如何通过Dedicated Configuration Bank引脚快速定位问题 实验室里,一块Xilinx 7系列FPGA开发板静静地躺在工作台上,电源指示灯亮着,但DONE灯却始终不亮。作为工程师&…...

大语言模型安全实战指南:从Awesome清单到企业级防护体系

1. 项目概述:当大模型安全成为显学最近两年,大语言模型(LLM)的应用像潮水一样涌来,从写代码、做PPT到客服对话、内容生成,几乎无处不在。但作为一个在安全领域摸爬滚打了十多年的老手,我看到的不…...

ESP-IDF版本切换踩坑全记录:从Git操作到批处理脚本的完整避坑指南

ESP-IDF版本切换实战手册:从Git操作到环境隔离的终极解决方案 第一次尝试在Windows系统上切换ESP-IDF版本时,我遇到了一个令人抓狂的问题:明明按照官方文档操作,却始终无法通过编译。控制台不断抛出"dirty worktree"错误…...

构建现代应用身份认证核心引擎:从OAuth 2.0协议到可扩展架构实践

1. 项目概述:一个身份验证的“核心引擎”如果你正在构建一个需要处理多种登录方式、管理用户会话,或者对接不同第三方认证服务的应用,那么“身份验证”这个模块大概率会让你头疼。它看似简单,不就是验证用户名密码吗?但…...

TermDriver 2:带彩色显示屏的USB转串口调试工具解析

1. TermDriver 2:带彩色显示屏的USB转串口调试工具深度解析作为一名嵌入式开发工程师,我经常需要和各种USB转串口调试工具打交道。从最基础的PL2303、CH340到功能更复杂的FT232,这些工具虽然便宜实用,但在实际调试过程中总会遇到各…...

告别调参噩梦:手把手教你用Simulink搞定永磁同步电机的线性自抗扰控制(LADRC)

永磁同步电机线性自抗扰控制实战:从Simulink建模到参数整定全解析 第一次在实验室搭建永磁同步电机控制系统时,盯着屏幕上那些密密麻麻的波形和参数,我完全不知道从何下手。传统PID调参已经让人头疼,而当我转向自抗扰控制&#xf…...

告别ArcGIS手工建库!用FME2020.2批量处理gdb/mdb/shp,附完整模板下载

用FME实现地理数据库批量建库的全流程实战指南 在GIS数据处理领域,效率瓶颈往往出现在数据入库环节。当面对数百个图层、数十种字段类型和复杂坐标系要求时,传统ArcGIS手工操作不仅耗时费力,还容易因人为失误导致数据质量问题。本文将深入解析…...

ARM AHB总线架构与内存映射配置详解

1. ARM AHB总线架构解析在ARM嵌入式系统中,AHB(Advanced High-performance Bus)作为AMBA总线协议家族中的关键成员,承担着连接处理器、DMA控制器、内存控制器等高性能组件的重要任务。以ARM926EJ-S开发芯片为例,其AHB系…...

通过taotoken用量看板分析团队模型使用习惯与优化成本分配

通过 Taotoken 用量看板分析团队模型使用习惯与优化成本分配 1. 用量看板的核心功能 Taotoken 用量看板为团队管理者提供了多维度的模型调用数据分析能力。看板默认展示最近 30 天的聚合数据,支持按日、周、月的时间颗粒度切换。主要数据维度包括模型类型、项目标…...

实战应用:基于快马AI生成律师事务所官网代码,快速交付客户项目

作为一名经常接企业官网项目的开发者,最近用InsCode(快马)平台给律师事务所做了个实战项目,分享下从需求分析到交付的全流程经验。这个案例特别适合需要快速响应客户需求的自由开发者或小型团队。 需求拆解与框架设计 律所官网的核心诉求是建立专业形象转…...

从收音机到5G:深入浅出聊聊AM、DSB、VSB这些‘古老’调制技术在现代通信里藏在哪里

从收音机到5G:深入浅出聊聊AM、DSB、VSB这些‘古老’调制技术在现代通信里藏在哪里 上世纪20年代,当AM广播首次将声音信号搭载在无线电波上传遍全球时,恐怕没人能想到,这种看似简单的调幅技术会在百年后的数字通信时代依然焕发生机…...

利用快马AI十分钟搭建游戏账号管理器界面原型

利用快马AI十分钟搭建游戏账号管理器界面原型 最近在开发一个游戏账号管理工具,需要快速验证界面交互逻辑。传统方式从零开始写代码太耗时,尝试用InsCode(快马)平台的AI辅助功能,没想到十分钟就完成了基础原型搭建。 原型设计思路 整体布局…...

从NEW到HEALTHY:手把手教你搞定Isilon换盘后的完整状态流转与避坑

从NEW到HEALTHY:手把手教你搞定Isilon换盘后的完整状态流转与避坑 在存储系统的日常运维中,磁盘更换是最基础却又最容易踩坑的操作之一。尤其对于Isilon这样的横向扩展存储系统,一块新磁盘从插入到最终健康运行,需要经历一系列状态…...

告别手动收集:用快马生成自动化推特内容聚合工具提升效率

今天想和大家分享一个提升工作效率的小工具——用Python实现的推特内容自动化下载脚本。这个工具特别适合需要长期追踪多个账号动态或关键词的研究人员、市场分析人员使用,能省去大量手动刷新和保存的时间。 项目背景与需求分析 工作中经常需要收集特定领域的推特内…...

Go语言插件化CLI工具框架设计与实现:从Kafka到Git的开发者瑞士军刀

1. 项目概述:从“KafClaw”到“GitClaw”的进化之路如果你和我一样,日常工作中需要频繁地与Kafka和Git打交道,那你一定对那种在终端、IDE、Web界面之间反复横跳的割裂感深有体会。想看看某个Kafka主题的实时消息?打开命令行&#…...

3B级小模型Nanbeige4.1的技术突破与应用实践

1. 项目概述:3B级小模型的突围战在大型语言模型(LLM)竞赛白热化的当下,北京大学的Nanbeige4.1-3B项目选择了一条差异化路线——专注3B参数规模的"小模型"优化。这个体积仅相当于主流大模型1/10的"轻量级选手"…...

云原生内存管理利器:OpenClaw插件原理与Kubernetes实战

1. 项目概述:一个为云原生环境设计的智能内存管理插件最近在折腾一个挺有意思的开源项目,叫MemTensor/MemOS-Cloud-OpenClaw-Plugin。光看这个名字,就能拆出不少信息量:MemTensor和MemOS暗示了它跟内存管理和操作系统内核有关&…...