Factory 使用 OpenAI 推理模型的软件开发平台
OpenAI 推理模型加速软件工程周期
Factory 已将 OpenAI 的推理模型——具体来说是 o1、o3-mini 和 GPT-4o——集成到其平台中，以自动化复杂的软件开发任务。此集成使特性开发周期提升 2–4 倍，上下文切换时间减少 60%，并且为开发者在整个软件开发生命周期中每周提供超过 10 小时的额外时间。
软件开发生命周期（SDLC）中的分层模型部署
Factory 采用分层模型策略，根据软件开发生命周期（SDLC）不同阶段所需的推理深度、速度和准确性选择特定的 OpenAI 模型：
- 探索：OpenAI o3-mini 用于理解代码库和搜索文档，因为其响应速度快，比更大的模型快 10 倍，同时保持足够的推理能力以进行上下文理解。
- 优先级排序：OpenAI o3-mini 用于错误分类和功能分析，以在评估复杂依赖关系时平衡推理能力和速度。
- 规划：OpenAI o1 用于架构决策和系统设计，利用其高级推理能力进行复杂的系统级规划。
- 执行：OpenAI o1、o3-mini 和 GPT-4o 的组合用于代码生成、编辑和审查。在此阶段使用预测输出可将实时编码辅助的延迟降低 50%。
解决工程低效问题
Factory 的平台通过超越简单的代码补全，转向系统级推理，来解决传统软件开发的瓶颈——如手动研究、知识碎片化和迭代周期缓慢。该平台解决了三个主要的技术限制：
- 规划瓶颈：自动化开发步骤的结构化和协调。
- 代码编辑低效：提高大规模开发中 AI 补全的速度和准确性。
- 知识检索无效：提高高效检索相关代码片段和文档的能力。
上下文优先架构与自主开发
Factory 采用 上下文优先架构，动态从问题跟踪系统、文档和代码库中检索洞察。这种方法通过整合信息来最小化认知开销，使开发者能够专注于高杠杆工作，而不是在各种不同的工具之间切换。
为了提高自主性，Factory 正在持续交付管道、错误监控、团队沟通、项目管理和源代码控制中集成原生工具。结合推理模型，这些集成使 AI 系统能够主动规划、执行和改进工程任务。
技术优化
Factory 目前正在尝试对 o3-mini 进行强化微调，用于代码重新排名以及自动注入轻量级指导，以提高模型在生产级开发中的合规性和精度。
– Eno Reyes, 联合创始人兼 CTO of Factory: –
– "OpenAI 的推理模型使我们能够超越单纯的代码生成。我们正在构建一个具代理能力的开发环境，其中 AI 能够深入理解、检索并采取行动来处理工程知识。"
– Matan Grinberg, 联合创始人兼 CEO of Factory: –
– "未来的软件将由人类和 AI 共同在一个平台上构建。借助 OpenAI 的推理模型，我们使开发者能够专注于更高杠杆的工作，而 AI 来处理复杂性。"