跳到主要内容

Uber内部500+个Skills企业级实战

Summary​

Uber建立了"AI Foundations and devx"团队，将软件开发流程转型为Agentic Engineering。其内部Skills平台从去年底的2个技能爆发增长至500+个，采用黄金市场与私有市场的多层级架构管理。平台涵盖代码审查、知识封装、特征装配线、团队记忆共享等应用场景，通过CI/CD和LLM评估机制保障质量。核心理念是"Make Skills, Not Agents"，强调将通用Agent通过Skills专业化，显著提升了研发速度和工程创造力。

Key Concepts​

  • Agent Skills - AI Agent的可复用能力单元
  • Skill Marketplace - 多层级技能市场架构（黄金市场 + 私有市场）
  • Agentic Engineering - 以Agent能力为核心的工程范式
  • Meta Skill - 用于创建其他技能的元技能
  • Code Review Automation - AI驱动的代码审查自动化
  • Team Memory - 基于图数据库的团队知识共享

Detailed Content​

平台架构与发展​

Uber的开发者平台团队在Claude Marketplace概念宣布后自发建立初始市场。Skill Marketplace采用多层级架构：黄金市场由官方维护，有严格准入；团队/个人市场鼓励自下而上的创新。通过aifx CLI工具作为统一入口，配合评估与遥测系统进行质量管控。

核心应用场景​

  • Code Review Automation：包括快速审查和专业知识审查（Go语言nil panic检测、并发问题），可启动不同"性格"的Agent团队
  • Meta Skill：技能工坊能读取当前对话会话，自动总结并生成新的技能代码
  • 知识封装：将隐性知识封装为Skills，使非专业人士快速获得特定领域能力
  • 特征装配线：限制PR行数 -> TDD -> 代码审查 -> 安全审查的Pipeline模式
  • 团队记忆：将高质量AI交互存储到图数据库，通过"回忆技能"提取Team Memory

质量保障​

对黄金市场技能实施CI/CD、代码审查、Owner机制，并触发基于LLM的评估。好技能的信号包括使用量、用户反馈和社区共识。

工程师角色演变​

在Agentic Engineering时代，工程师的核心职责是利用Agent能力加强工程基础，构建加速功能开发的技能流水线。"人类仍需对输入和输出负责"，同时赋能非程序员进行Vibe Coding。

  • Agent Design Patterns
  • Progressive Disclosure
  • Vibe Coding
  • Claude Code
  • MCP Protocol