Uber 近日在工程部落格公開 AI 程式碼清理系統 AutoClean,能自動找出已全面上線、卻仍殘留在程式碼中的過期功能開關(feature flag),並產出經過測試、可供人工審查的程式碼差異(diff)。Uber 表示,AutoClean 過去幾年已清理超過 1.6 萬個功能開關、逾 100 萬行程式碼。這套系統並非讓 AI 代理(AI agent)包辦一切,而是讓代理與傳統程式碼轉換工具分工,再以持續整合(continuous integration,CI)、靜態檢查與多個審查代理層層把關,最後交由負責團隊的工程師做最終決定。
功能開關是讓工程師逐步推出新功能、進行實驗並快速回復的動態布林參數。Uber 指出,功能全面上線後,相關的條件分支與測試常會留在程式碼裡,悄悄變成技術債(tech debt),不只讓程式碼更難理解與測試,連 AI 代理也得花時間解析這些失效的程式碼,導致工作階段拉長、成本增加。
AI 判斷影響範圍、傳統工具負責精確改寫
Uber 指出,清理過期開關看似只要搜尋並刪除,但一次清理可能橫跨數十個檔案,涉及布林邏輯、輔助函式、呼叫端、設定檔與測試;有些測試可以刪除,有些則必須依新的預設行為重寫。要安全且自動地完成清理,需要理解程式碼、做出判斷,並在整個系統中仔細驗證。
以訂單流程為例,假設控制新舊流程的開關已全面上線、永遠為 true,把讀取開關的程式碼直接替換成 true 很簡單;但接著要判斷,接收這個值的函式參數能否移除,因為布林參數可能有多個呼叫端,必須先逐一檢查。舊流程的分支要等這個值傳入函式後,才會確定永遠執行不到;設定中的 UseNewPipeline 欄位,則要確認沒有其他程式讀取或依賴,才能刪除。
Uber 總結,把常數代入程式碼是機械性的工作,但決定接下來該刪什麼,需要了解脈絡:誰呼叫了這個函式、測試涵蓋了什麼,以及簡化資料結構或函式簽章是否安全。Uber 認為,靜態工具擅長確定性的改寫,AI 則最適合判斷這些簡化該延伸到哪裡。
因此,AutoClean 的 AI 代理可以存取完整程式碼庫,並配有一組限定的工具:檔案搜尋、程式碼編輯,以及建構在 Uber 輕量級程式碼轉換引擎 PolyglotPiranha 上的布林代數與條件簡化工具。Uber 強調,AutoClean 雖是代理式系統,但不代表每一步都該交給代理;團隊希望盡可能保留確定性,尤其是一旦出錯就可能悄悄改變程式行為的轉換。布林代數就屬於這類,簡化條件時稍有差錯,就可能改變正式環境中執行的分支。Uber 的做法是不要求代理自行執行這些改寫,而是讓代理透過模型上下文協定(Model Context Protocol,MCP)呼叫 PolyglotPiranha 處理。
實際運作時,代理先把讀取開關的程式碼替換為 true,再呼叫 PolyglotPiranha 簡化相關運算式與條件;接著追蹤這個值在函式間的傳遞,確認參數永遠為 true 後,移除參數並刪除失效的分支,如此反覆執行,直到沒有可再清理的程式碼。
CI 失敗先交給確定性工具修復,修測試的修復器不准碰正式程式碼
代理完成改寫後,AutoClean 會提出程式碼差異,交由 CI 流程執行。代理在工作過程中雖然會在本機執行測試,但一個開關的清理可能牽動整個單一儲存庫(monorepo),重點不只是附近的測試是否通過,而是修改後能否在各處正常建置並通過測試。Uber 表示,自家 CI 會針對眾多目標執行大量作業,能找出改寫過程中在本機看不到的問題,因此以 CI 作為最終依據。
CI 若失敗,AutoClean 會讀取每一項錯誤,分派給不同的修復器(fixer)。成本低、行為確定的修復器優先處理,例如移除已不再使用的預設值或清除程式碼檢查(lint)錯誤,無法辨識的問題再往下傳;較困難的情況,例如判斷某個測試該刪除還是重寫,才交給代理式修復器。每次修復後都會重新執行 CI,直到全部通過或用完重試次數。
每個修復器能修改的範圍也受到嚴格限制,例如修復測試的修復器只能編輯測試檔案。Uber 指出,若沒有這項限制,代理有時會為了讓失敗的測試通過,直接改動底下的正式程式碼,而這正是團隊想避免的結果。
靜態檢查與 CodeCourt 再把關,成效數字仍待更多揭露
即使 CI 全部通過,清理也可能以更隱微的方式出錯。Uber 舉例,代理可能為了修好測試而直接刪除測試,即使該測試涵蓋的行為仍應保留;或是太早停手,只把開關替換成固定值,卻沒有把簡化延伸到周邊程式碼。這兩種情況,CI 都不一定能發現。
為此,AutoClean 在送交審查前還有兩層驗證。第一層是靜態檢查(static checks),用能直接寫成規則的方式抓出機械性問題,例如現在永遠回傳 true 的簡單布林函式、應簡化卻未簡化的條件式,或只能透過過期開關路徑觸及的失效程式碼。第二層是 Uber 的代理式驗證機制 CodeCourt,負責處理難以寫成確定性規則的情況。
Uber 解釋,清理代理處理的是一項指令繁多的長流程任務,指令越多,代理越難可靠地遵守:有些限制會被淹沒,有些在實務上互相衝突,代理也可能只追求最直接的訊號,例如通過 CI,卻違反團隊在意的清理要求。CodeCourt 因此把這些要求從主要的清理流程中抽離,不再仰賴單一代理在修改程式碼時記住並滿足所有限制,而是把團隊觀察到的失敗模式,轉成最終程式碼差異必須滿足的明確條件,與團隊對清理代理本身的改進相輔相成。例如「不得新增」,清理只能刪除或簡化程式碼,不能引入新程式碼;「保留語意」,清理前後程式對外可觀察的行為必須完全相同;「不偏離任務」,只處理指定的開關,即使其他開關與它相關也不得移除;以及「不留代理痕跡」,不得留下代理推理過程中的註解或產物。
每個條件都由一個專屬的審查代理負責,提示詞只聚焦檢查這一件事,所有審查代理並行執行。只要全部通過,程式碼差異就進入人工審查;任何一項未通過,該差異就會在工程師看到之前被放棄。Uber 表示,團隊早期曾讓單一代理從頭到尾審查每份差異,後來發現拆成多個專注的審查子代理效果更好。通過這些關卡後,審查者就能專注在「現在該不該移除這個開關」等業務層面的判斷,不必逐行檢查清理是否意外改變了程式行為。
不過,追蹤 AI 代理實際應用案例的網站《ShippedByAgents》指出,前述 1.6 萬個開關與 100 萬行程式碼的成果,出自 Uber 介紹自家內部系統的工程部落格,屬於開發者自行公布、未經獨立查證,只是 Uber 並未對外販售這項工具。此外,這些是過去幾年的累計數字,Uber 沒有說明其中有多少來自代理式版本、多少來自早期以 PolyglotPiranha 為基礎的自動化,也沒有公開使用的 AI 模型或供應商、成本、每次清理所需時間、程式碼差異的接受率與放棄率,或遭審查者退回的數量。
【推薦閱讀】
◆ 讓 AI Agent 代刷信用卡!OpenAI 推 ChatGPT Wallet,與先前 Instant Checkout 有何不同?
◆ AI Agent 不必被單一模型綁死!Google 推 Gemini 4 Hydrogen,動態分工節省 24% 配額
◆ Gemini 4 Neon 程式評測逼近 Opus 5.5,API 標價卻比 Anthropic、OpenAI 中階模型貴 5 成:企業該怎麼算?
*本文開放合作夥伴轉載,資料來源:Uber、《ShippedByAgents》,圖片來源:Unsplash。



