AI革命：Instacart如何告别技术债务
智能体接管开发工作，人类专注创新
Instacart正提出一个颇具颠覆性的思考：如果工程师当前承担的大部分工作实际上应该由机器来完成，会怎样？
在VB Transform 2026大会上，首席技术官Anirban Kundu指出，开发团队仍在耗费大量时间在繁琐、重复、高强度的任务上；这些工作应当由AI智能体接管，从而使人类能够专注于需要判断力、意图处理和异常处理的问题。
事实上，在97%的情况下，Instacart的开发者已经不再阅读代码了。
“过去，战术层面的工作是编写代码，”Kundu表示，”未来最战术性的工作将变成：如何引导AI系统获得你想要的结果？”
AI生成代码，执行严格评估
这并不意味着人类完全不查看代码；智能体负责处理大部分代码生成和模板代码，特别是在较新的项目中，代码每周都会被生成或重新生成。
“这样做的好处是，我们不再关心技术债务了，”Kundu解释道，”不活跃的组件会被直接移除，然后重新构建，有点类似于我们过去构建汇编代码或目标代码的方式。”
那为什么不是100%自动化呢？剩余的3%涉及遗留系统、合规要求和延迟敏感的系统及工作流程，或者是由大量”僵尸代码”驱动—这些代码已不活跃或半活跃。这些情况仍需要人工仔细处理。
不过，Instacart正在逐步”优化这些部分”，通过一个恰如其名的”Atoms”项目将系统分解，然后以更简洁、模块化的形式重新构建。Kundu的团队从”单体架构”开始，正转向远程过程调用(RPC)驱动的架构。
然而，评估仍然是一个主要的挑战。当AI生成代码时，代码审查的相关性降低—正如Kundu所指出的，”代码行将是正确的，语法将符合你的期望”—因此目标转向”意图模型”。这意味着训练开发者，使他们能够从意图的角度向不同的模型提出正确的问题。
评估是独立进行的：每月大约运行7,000次自动评估，系统以约99.9%的准确率回答8,000多个实时开发者查询。
发现人类直觉可能遗漏的”小故障”
与此相关，Instacart构建了一个智能体站点可靠性工程(SRE)系统，该系统基于公司多年的自身事件和根因分析进行训练，而非通用的故障数据。团队没有教模型抽象理解生产中断如何工作，而是向其提供了Instacart系统随时间推移的故障方式，以及人类如何诊断和修复这些故障。
因此，公司在检测和缓解生产问题方面的准确性已从约60%提高到90%以上。
Kundu举了公司内部工具Blueberry的例子。AI SRE同事监控着200多个Slack频道，监控信号，并在人类对话和警报中寻找模式。
在一次事件中，一个由EBS卷支持的数据库分片在一段时间内出现了”小故障”。人类团队没有立即怀疑AWS磁盘问题，而是”明显手忙脚乱”地试图找出这个特定分片行为异常的原因。
但大约20分钟后，Blueberry在Slack上发帖，指出一个特定的异常波动，并将其与一个名为”roulette”的功能标志系统联系起来，该系统不够完善。”它应该按照这种节奏推出，[但]推出量太多了，”Kundu解释道。
Blueberry找出了问题，团队解决了这一事件。”人类能这么快发现吗？我认为人类直觉会稍微阻碍我们，”Kundu表示。
人类倾向于依赖我们之前见过的模式，然后转向调试；Kundu称之为”第一脑-第二脑式的工作方式”。但Instacart的智能体SRE实际上”在查看所有内容并能够决定哪些重要哪些不重要方面更加全面”。
重新定义工程师的角色
展望未来，工程师最战术性的工作将是导航AI系统：设计和评估流程；协调多个同时进行的实验和功能；管理测试时有限的渠道流量限制；确定何时升级；识别边缘情况和可能出问题的环节。
AI时代下的领域专业知识也在被重新思考。Instacart不再通过唯一能接触代码的”所有者”团队来限制变更，而是将领域知识嵌入到任何团队都可以使用的定义和规范中。
“我们一直生活在这个世界里，即某个团队或工程团队是唯一能够接触代码并进行修改的团队，”Kundu表示，”我们正尝试进入一个代码在各团队间完全民主化的世界。”
关注微信号：智享开源 ，及时了解更新信息。
公众号：智享开源
还没有任何评论，你来说两句吧！