开发者将大量时间耗费在琐碎、重复的任务上——而真正用于编码的时间却出乎意料地少。
Stack Overflow 2022年开发者调查显示，63%的受访者每天花费超30分钟搜索答案或解决方案。这意味着在一个50人的开发团队中，每周损失的时间总计在333到651小时之间。Propeller Insights和Rollbar的另一项民调发现，超三分之一开发者花费约四分之一时间修复错误，另有26%的开发者将多达一半时间用于此。
这一趋势令William Zeng和Kevin Lu感到沮丧。因此，这两位Roblox（从视频游戏转型为社交网络的公司）老兵今年早些时候创建了Sweep平台，以自主处理高级调试等开发任务。
Sweep首席执行官Zeng在接受TechCrunch邮件采访时表示：“我们在Roblox共事期间，经常处理那些明知可以通过AI自动化的软件琐事，正是在这样的背景下创立了Sweep。它就像是为软件团队打造的AI驱动初级开发人员。”
TechCrunch此前曾在Y Combinator 2023夏季Demo Day期间报道过Sweep。此后，该初创公司完成新一轮融资，以2500万美元投后估值从Goat Capital、Replit CEO Amjad Masad、Replit AI副总裁Michele Catasta及Exceptional Capital处筹集了200万美元。
🛠️ 核心功能：AI驱动的自主代码生成
Sweep允许开发者在IDE之外用自然语言描述请求（例如“在我的数据管道中添加调试日志”），并生成相应代码。该平台可通过拉取请求将代码推送到对应代码库，并处理来自维护者或所有者的评论——类似GitHub Copilot，但更具自主性。
Zeng表示：“Sweep使工程师能够更快交付成果。我们将处理每次代码变更中积累的技术债务，例如改进错误日志、添加单元测试以及重构低效代码。”
🔍 技术架构：Python专注与自研搜索引擎
Sweep专注于编写Python代码，利用多种AI模型组合进行代码生成。其中包括OpenAI的GPT-4，还有一个定制的“代码搜索引擎”。Zeng强调，该引擎未使用Sweep客户数据进行训练，有助于规划和执行“整个代码库范围”的代码更改。
Zeng补充道：“我们为Python构建了自有代码搜索引擎，利用了词法搜索和向量搜索技术。”词法搜索寻找代码片段的字面匹配或轻微变体，向量搜索则能发现具有共同特征的更松散相关代码。“我们拥有业界顶尖的单元测试生成能力，并能实时运行和执行测试。”
未来，Sweep计划引入Hugging Face和ServiceNow推出的开源代码生成模型StarCoder，以增强平台的代码生成能力。
⚠️ 潜在风险：可靠性与安全版权挑战
鉴于AI倾向于犯错，Sweep的长期可靠性仍存疑。斯坦福大学相关研究团队发现，使用AI工具的工程师更有可能在其应用中造成安全漏洞，因为这些工具常生成表面正确但存在隐患的代码。
此外还存在版权问题。部分代码生成模型是在受版权保护或限制性许可的代码上训练的，特定提示下可能复述这些代码。法律专家指出，若公司无意中将此类建议纳入生产软件，可能面临风险。
对此，Sweep的解决方案是提示用户在将生成代码推送至主代码库前，自行审查和编辑。
Zeng坦言：“影响AI开发工具的主要挑战在于可靠性和大型代码库管理。我们利用对旧方法和新方法的深入了解，使Sweep更加稳健。”
💰 商业模式与未来规划
Sweep定价不菲，每个席位每月480美元（相比之下，GitHub Copilot和Amazon CodeWhisperer商业版每位用户成本约为20美元）。但这并未劝退客户。Zeng声称，Sweep资金池总额为280万美元，但从客户处获得的收入足以“让公司维持数年”。
他表示：“新资金将用于在未来一年内将团队从两人扩展到五人。我们将继续专注于Python，并在所有技术债务领域进行改进，包括单元测试、重构以及处理代码中遗留的待办事项。”