Paf 通过 ChatGPT Enterprise 和自定义 GPT 提升开发者生产力

Paf 是一家国际游戏公司，已在整个组织中集成了 ChatGPT Enterprise，以自动化日常开发任务并加速员工培训。通过部署一套专门的自定义 GPT，该公司实现了其首席技术官 Fredrik Wiklund 估计相当于 12 名全职员工的生产力水平。

模型选择与评估

Paf 在对 LLAMA 和 Claude 进行正面对比的准确性和成本比较后，选择了 GPT-4。评估显示，GPT-4 的准确率比竞争对手高出 25%，且没有产生更高的成本。

通过专用自定义 GPT 简化开发

Paf 拥有 100 名开发者的工程团队使用超过 85 个自定义 GPT，以减少人工工作并通过避免模型过载来最小化幻觉。开发者不依赖通用模型，而是将一系列专用编码 GPT 串联起来，生成标准化的应用流程和 API：

  • Swagger GPT：将 Swagger JSON API 定义转换为基于 Paf 编码标准的 TypeScript 服务端点定义。
  • TypeScript GPT：使用端点定义和现有的会话验证函数编写后端服务代码。
  • GraphQL Nexus GPT：生成 GraphQL Nexus 架构并集成前端交互的辅助函数。
  • Relay GPT：使用 GraphQL Nexus 架构创建用于后端通信的 React Relay 钩子。
  • React GPT：按照 Paf 的 React 和 TypeScript 风格指南以及核心组件库编写 React 组件。

前端开发者 Krista Koivisto 指出，这些专注的 GPT 使团队能够“自动生成可运行的样板实现，且所需工作量大幅减少”。

AI 增强的开发者培训（grit:lab）

Paf 已将 ChatGPT Enterprise 集成到 grit:lab 编码学院，培训 65 名有志的开发者。这种方法将关注点从语法和基础编码错误转向高级系统架构。学生使用 AI 来：

  • 理解新的编程概念
  • 高效调试代码错误
  • 高效调试代码错误
  • 学习不同语言的语法和结构
  • 快速生成测试数据

DevOps 工程师 Kim Gripenberg 表示，初级开发者和 grit:lab 学生在 AI 辅助下的进步速度“快了数年”，使他们从培训伊始就能够以更高、更系统的层次进行思考。

组织影响与未来整合

除了工程团队外，Paf 在财务、人力资源、营销和客户支持等部门的 70% 员工积极使用 ChatGPT Enterprise。公司计划在未来一年内将 ChatGPT Enterprise 和 OpenAI API 完全整合到所有内部流程中。

首席技术官 Fredrik Wiklund 设想一个未来，GPT 将承担更多软件的编写、测试和部署工作，使人类开发者能够专注于更高层次的系统工作。

Sources