Chrome的AI开发天团:3500万行代码的团队,居然这么玩AI写代码

news2026/5/4 4:42:09
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

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2580541.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…