在近日的一场技术分享中，Roblox工程负责人Andrew Swerdlow详细介绍了该公司如何将自主软件开发从提示词阶段推进至生产环境，并实现规模化运作。这一实践涉及安全沙箱构建、机构知识提取、工程基础设施更新以及生产力指标的重定义，为大型企业应用AI驱动开发流程提供了参考样本。
Andrew Swerdlow指出，Roblox在推进自主软件开发时，首要解决的是安全沙箱的健壮性问题。由于AI生成的代码可能包含未知漏洞或恶意逻辑，Roblox构建了多层隔离机制，确保每一段由AI生成的代码在进入生产环境前都经过严格的安全验证。这一基础设施为后续的自动化部署提供了可信基础。
在知识传递层面，Roblox通过代码审查范例来提取机构内部沉淀的工程经验。传统上，资深工程师的审查意见往往停留在口头或文档中，难以被AI系统直接利用。Roblox将这些范例结构化，使AI模型能够学习并模仿团队既有的编码规范和设计模式，从而减少人工干预，提升生成代码与现有代码库的兼容性。
与此同时，Roblox对工程基础设施进行了系统性更新，以适应AI驱动的开发流程。这包括调整CI/CD管道的触发逻辑、优化代码合并策略，以及为AI生成的变更提供更细粒度的测试覆盖。Andrew Swerdlow强调，基础设施的改造并非一次性工程，而是需要持续迭代，以匹配AI模型能力的演进。
在衡量开发效率方面，Roblox放弃了传统的代码行数或提交次数等指标，转而围绕功能交付速度和长周期AI任务的表现重新定义生产力指标。具体而言，团队关注的是从需求提出到功能上线的时间窗口，以及AI在长时间运行任务中的稳定性和成功率。这种指标体系的调整，反映了AI开发模式下对系统整体吞吐能力的侧重。
这一实践表明，自主软件开发的规模化并非单纯依赖模型能力的提升，而是需要安全、知识管理、基础设施和度量体系等多维度的协同改造。Roblox的案例为其他计划引入AI开发流程的企业提供了可借鉴的路径，尤其是在如何平衡自动化程度与工程可信度方面，给出了具体的工程化解决方案。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
