开发者速度，即组织发布代码的速度，通常受到必要但耗时的流程（如代码审查、编写文档和测试）的影响。低效问题可能会使这些流程变得更加漫长。据一位消息人士称，由于技术债务和不良——即非功能性——代码，开发人员每周浪费17.3小时。
理论物理学博士Matan Grinberg以及前Hugging Face和微软数据科学家Eno Reyes认为，一定有更好的方法。
在旧金山的一次黑客马拉松期间，Grinberg和Reyes构建了一个能够自主解决简单编程问题的平台——他们后来相信该平台具有商业潜力。黑客马拉松结束后，两人将平台扩展以处理更多软件开发任务，并创立了一家公司Factory，以将他们所构建的内容商业化。
“Factory的使命是为软件工程带来自主性，”Grinberg在TechCrunch的电子邮件采访中告诉笔者，“更具体地说，Factory通过自主的、由AI驱动的系统，帮助大型工程组织自动化其软件开发生命周期的部分环节。”
Factory的“Droids”系统：应对重复性工程任务
Factory的系统——Grinberg称之为“Droids”——旨在应对各种重复、平凡但通常耗时漫长的软件工程任务。例如，Factory拥有用于代码审查、重构或重组代码的“Droids”，甚至能像GitHub Copilot一样根据提示生成新代码。
Grinberg解释道：
- 审查Droid：留下富有洞察力的代码审查意见，并为人类审查者提供对代码库每次更改的背景信息。
- 文档Droid：根据需要生成并持续更新文档。
- 测试Droid：编写测试用例，并在合并新代码时维护测试覆盖率百分比。
- 知识Droid：驻留在通信平台（如Slack）中，回答关于工程系统的更深层次问题。
- 项目Droid：帮助根据客户支持工单和功能请求来规划和设计需求。
核心技术：“Droid核心”与反射引擎
Factory的所有Droids都建立在Grinberg所称的“Droid核心”之上，包含三个关键组件：
- 数据处理引擎：用于摄取和处理公司的工程系统数据以构建知识库。
- 算法模块：从知识库中提取见解以解决各种工程问题。
- 反射引擎（Reflection Engine）：作为第三方AI模型的过滤器，使公司能够在这些模型之上实施自己的安全措施及安全最佳实践。
Grinberg表示：“这是一套软件套件，允许工程组织更快地输出更好的产品，同时通过减轻代码审查、文档和测试等繁琐任务的负担来提高工程师士气。此外，由于Droids的自主性质，用户教育和入职培训所需的工作量非常少。”
行业痛点与AI安全挑战
如果Factory能够持续、可靠地自动化所有开发任务，该平台确实物有所值。根据Tidelift和The New Stack 2019年的一项调查，开发人员花费35%的时间管理代码（包括测试和应对安全问题），而实际编码时间不到三分之一。
然而，即使是目前最好的AI模型也难免犯错。生成式编码工具可能会引入不安全的代码，斯坦福大学的研究表明，使用代码生成AI的软件工程师更有可能在他们开发的应用程序中造成安全漏洞。
战略路径：依托第三方模型向自研过渡
Grinberg坦承，Factory目前没有足够资金在内部训练所有模型，因此受制于第三方限制。但他断言，尽管依赖第三方供应商提供部分AI能力，Factory平台仍在创造价值。
“作为一家早期初创公司，训练大型模型是一场必败之战。与行业巨头相比，我们没有资金优势、芯片访问优势、数据优势，而且几乎肯定也没有技术优势，”Grinberg说，“我们的方法是构建AI系统和推理架构，利用最先进的模型，并与客户建立关系以立即交付价值。”
Factory的长期战略是训练更多自己的AI模型，以构建一个“端到端”的工程AI系统，并通过向早期客户征求工程训练数据来区分这些模型。
Grinberg展望道：“随着时间的推移，我们将拥有更多的资金，芯片短缺情况将好转，并且我们将获得直接访问经许可的海量数据的机会（即整个工程组织的历史时间线）。我们将打造稳健、完全自主的Droids——需要最少的人工交互，并从第一天起就根据客户需求量身定制。”
融资进展与市场愿景
尽管AI初创公司市场竞争日益激烈，但Factory已经与大约15家核心公司展开合作。Grinberg不愿透露具体名称，只提到这些客户规模从“种子阶段”到“上市公司”不等，截至目前已使用Factory平台编写了数千次代码审查和数十万行代码。
Factory最近完成了一轮500万美元种子轮融资，由Sequoia和Lux联合领投，SV Angel、BoxGroup、DataBricks CEO Ali Ghodsi、Hugging Face联合创始人Clem Delangue等人参与。新资金将用于扩大Factory六人团队及其平台能力。
“这个AI代码生成行业面临的主要挑战是信任和差异化，”Grinberg表示，“每位工程副总裁都希望通过AI提升其组织的产出。阻碍这一进程的是许多AI工具不可靠的本质，以及庞大且错综复杂的组织对这种新技术的谨慎态度。Factory正在构建一个软件工程本身成为可获取、可扩展的商品的世界。”