协会地址：上海市长宁区古北路620号图书馆楼309-313室
Eclipse 基金会软件开发团队：AI 辅助开发的落地实践
作者：Christopher Guindon
关于软件开发领域的 AI 应用，相关讨论早已铺天盖地，绝大多数内容都聚焦于这项技术能实现什么，或是各个团队已经用它打造出了什么成果。但很少有人谈及，那些负责维护大规模通用系统的团队应该如何稳妥、审慎地引入这些 AI 工具。本文将分享我们团队落地 AI 辅助开发的整体思路，以及在全面推进之前我们必须先锚定的核心原则。
在 Eclipse 基金会，我们负责维护一套服务于庞大分布式开源社区的基础设施。整个 Eclipse 生态涵盖了 400 多个开源项目，在全球拥有超过 15000 名贡献者。我们团队则负责开发和维护支撑这个生态的多款核心应用，包括 Open VSX 插件仓库、Eclipse 应用市场、贡献者协议管理工具，以及众多活跃开源项目都在使用的各类基础服务。
相较于我们所支撑的庞大业务规模，团队的人手十分有限，同时我们打造的系统必须长期保持稳定可靠、安全合规，且具备长期可维护性。目前，我们正准备在全团队逐步推行 AI 辅助开发的工作模式，第一步先从小范围的可控试点开始。下面就来详细说说我们的整体落地思路：
先找准核心问题，而非盲目跟风
我们反复讨论的核心问题，从来不是 “我们要怎么用 AI”，而是 “基于我们开发的系统特殊性，我们该如何稳妥地、负责任地使用 AI”。
我们的系统一旦出问题，影响的绝不仅仅是基金会本身，更会波及所有依赖我们服务的项目和开发者。正因为影响范围如此之广，我们在引入任何新的开发模式时都必须慎之又慎。
这个大前提，决定了我们整个落地工作的核心基调。在讨论具体用什么工具、改什么工作流程之前，我们先花费大量时间明确了落地初期必须遵守的核心准则。
为 AI 智能体工作流搭建隔离运行环境
我们的探索方向之一是 AI 智能体工作流 —— 让 AI 自主完成代码生成、命令执行，以及和各类开发工具的交互。这自然就引出了一个非常现实的问题：这些 AI 智能体到底该在哪里运行？
我们定下的首要原则是：AI 智能体必须在隔离环境中运行。具体落地来说，就是采用容器化的沙箱环境。
目前 Docker AI Sandboxes、nono.sh、Daytona、Modal 等项目和平台都在逐步把这种模式标准化。它们能提供一个完全可控的运行环境，让 AI 生成的代码在里面运行、测试，不接触生产环境。
这么做的逻辑很简单：只要是能执行命令、与系统交互的智能体，就必须有清晰的权限边界。这不是因为 AI 工具本身有什么特殊的安全隐患，而是因为对于任何能执行命令的自动化系统，权限隔离都是标准的工程规范。任何引入到工作流里的自动化系统，起步阶段都必须遵循最小权限原则，设定清晰明确的边界。
把 AI 智能体放在 Docker AI 沙箱这类隔离环境里运行，既能让它完成代码编写、测试执行、方案验证等工作，在可复现的环境里完成各类操作，又能完全杜绝它直接访问基础设施。
按照这个方案，AI 智能体既读取不到生产环境的凭证等敏感信息，也不会在我们的内部网络里运行。就算出现了异常行为，造成的影响也完全可控，且可以快速恢复。
对我们来说，这并不是什么全新的思路。我们在依赖管理、部署流水线、权限控制上遵守的工程规范，同样适用于 AI 工具。不会因为 AI 是个新技术，就给它开特例、放宽标准。
AI 优先落地的应用场景
我们的核心目标从来不是用 AI 替代人的专业判断，而是用它降低那些机械、重复、或是容易被拖延的工作的执行门槛。
目前我们认为最适合优先落地的场景，主要有以下几类：
- 快速原型搭建与技术预研：用 AI 完成 “架构探路”—— 快速搭建原型，验证一个技术思路是否可行，或是探索一项新技术的落地方式。这能帮我们快速理解解决方案的整体框架，提前识别潜在的技术卡点，等到正式进入生产环境开发时，就能拿出更清晰、有预研支撑的实施路线。
- 成熟的测试用例生成：为逻辑稳定、边界清晰的代码编写单元测试，是一项非常重复的工作，也经常被滞后。在可控的环境里，用 AI 辅助生成测试用例能大幅提升这项工作的效率。
- 文档初稿撰写：对小团队来说，保证文档的持续更新一直是个难题。让 AI 基于代码或需求描述生成文档初稿，再由人工审核修改，能非常顺畅地融入我们现有的工作流。
- 基础结构与样板代码生成：新建服务、编写迁移脚本、开发 API 接口时，搭建初始项目结构往往要做很多重复的配置工作。用 AI 降低这类工作的门槛，既能提升开发效率，又不会牺牲代码质量。
- 技术债务清理与系统现代化：和很多小团队一样，我们也有不少需要维护的历史遗留应用和服务。但日常的运维工作优先级更高，这些改造工作很容易被一拖再拖。AI 辅助开发能帮我们在代码重构、清理、版本迁移等经常被搁置的系统现代化工作上，持续稳步推进。
- 网站维护、改版与框架迁移：我们团队还负责维护 eclipse.org 官网以及众多工作组的站点。模板更新、页面改版、框架迁移、无障碍优化、内容重构这类工作，往往包含大量重复的实现环节，非常适合用 AI 辅助工作流来提升效率。
在所有这些场景里，AI 生成的内容都必须经过和人工编写代码完全一致的审核与验证流程。开发者依然要对需求有完整的理解，负责审核生成的代码，确保所有变更都符合我们的安全与稳定性标准。
我们对试点的预期与思考
在推进这项工作的过程中，我们也保持着开放的心态，承认很多事情是未知的。我们现在探索的一些自动化能力，可能最终会带来超出预期的价值；也有一些想法，可能会在实践中暴露出我们目前没预料到的问题和局限。
对我们来说，最重要的是落地的方法论：先做可控的小范围试点，仔细观察实践效果，只在价值明确的场景里逐步扩大应用。我们的目标从来不是快速用上 AI，而是深思熟虑、稳妥地用好 AI。
往更长远看，开发者的角色正在发生变化。未来，我们可能不用再花大量精力逐行手写代码，而是把更多时间放在对 AI 生成内容的审核、验证、测试、审批和迭代优化上，以此来完善我们负责的系统。
对于我们这些维护公共基础设施的团队来说，这种转变不仅不会降低工程判断的重要性，反而会让它变得更加关键 —— 这也正是我们从一开始就必须慎之又慎的核心原因。
来源：https://www.chrisguindon.com/post/ai-assisted-development-eclipse-foundation-te…
叶子欣 | 译
