Paf 透過 ChatGPT Enterprise 與自訂 GPT 提升開發者生產力

Paf 是一家國際遊戲公司，已在整個組織中整合了 ChatGPT Enterprise，以自動化例行開發任務並加速員工培訓。透過部署一套專門的自訂 GPT，該公司已達到其首席技術官 Fredrik Wiklund 估計相當於 12 名全職員工的生產力水平。

模型選擇與評估

Paf 在與 LLAMA 與 Claude 進行正確性與成本的正面比較後，選擇了 GPT-4。評估結果顯示，GPT-4 的正確率比競爭對手高出 25%，且未產生更高的成本。

透過專門的自訂 GPT 簡化開發流程

Paf 擁有 100 位開發者的工程團隊使用超過 85 個自訂 GPT，以減少人工工作並透過避免模型過載來最小化幻覺。開發者不依賴通用模型，而是將一系列專門的程式碼 GPT 串接起來，以產生標準化的應用流程與 API：

  • Swagger GPT：根據 Paf 的程式碼標準，將 Swagger JSON API 定義轉換為 TypeScript 服務端點定義。
  • TypeScript GPT：使用端點定義與現有的會話驗證函式撰寫後端服務程式碼。
  • GraphQL Nexus GPT：產生 GraphQL Nexus 架構，並整合前端互動的輔助函式。
  • Relay GPT：使用 GraphQL Nexus 架構建立 React Relay 鉤子，以進行後端通信。
  • React GPT：依照 Paf 的 React 與 TypeScript 風格指南及核心元件庫撰寫 React 元件。

前端開發者 Krista Koivisto 指出，這些聚焦的 GPT 讓團隊能「自動產生可運作的樣板實作」，且所需努力大幅減少。

在 grit:lab 的 AI 增強開發者培訓

Paf 已將 ChatGPT Enterprise 整合至 grit:lab 程式碼學院，以培訓 65 位有志開發者。此方式將焦點從語法與基礎程式錯誤轉移至高階系統架構。學生使用 AI 來：

  • 了解新的程式概念
  • 高效除錯程式錯誤
  • 高效除錯程式錯誤
  • 學習不同語言的語法與結構
  • 快速產生測試資料

DevOps 工程師 Kim Gripenberg 表示，初級開發者與 grit:lab 學生在 AI 協助下「進步速度快了好幾年」，使他們從訓練一開始就能以更高層次、系統化的方式思考。

組織影響與未來整合

除了工程團隊外，Paf 在財務、人力資源、行銷與客服等部門的 70% 員工也積極使用 ChatGPT Enterprise。公司計畫在未來一年內，將 ChatGPT Enterprise 與 OpenAI API 完全整合至所有內部流程。

首席技術官 Fredrik Wiklund 預見未來 GPT 將負責更多軟體的撰寫、測試與部署，使人類開發者能專注於更高層次的系統工作。

Sources