KeyFrame內部研究專用

AI Cut Our Research Time From 7 Days to 15 Minutes — Gareth Yoder, Vanguard

AI Engineer英文
觀看原始影片

三句話摘要

Vanguard 從過時主機系統向雲端遷移貨幣帳簿,透過三支柱並聯策略與 AI 工具應用加速現代化進程。 Vanguard 透過三支柱並聯策略、冪等性系統設計和 AI 工具整合,成功將貨幣帳簿現代化,其中最值得銘記的是 AI 工具將程式碼分析週期從 7 天縮短到 15 分鐘的革命性加速,以及「團隊大腦」知識庫對新成員快速融入團隊的關鍵助力。 三支柱並聯遷移策略:資料遷移採用 CDC(追蹤變更資料)標準方法驗證可靠性和一致性;製造商透過 Request Service、包裝 API 或直接插入三種方式存取;消費者則透過即時 API、資料倉庫或串流媒體獲取資料。並聯執行確保各環節齊頭並進。

重點整理

  1. 三支柱並聯遷移策略:資料遷移採用 CDC(追蹤變更資料)標準方法驗證可靠性和一致性;製造商透過 Request Service、包裝 API 或直接插入三種方式存取;消費者則透過即時 API、資料倉庫或串流媒體獲取資料。並聯執行確保各環節齊頭並進。

  2. AI 工具的革命性加速:當過時程式碼庫透過 MCP 伺服器可用後,AI 工具將主機工程師原需 7 天的深度程式碼分析縮短至 15 分鐘,大幅加快反饋循環,是現代化成功的關鍵推動力。

  3. 冪等性與可靠性設計:借鑑金融科技概念,實施冪等性確保批量作業中斷後可安全重新執行無重複記錄;透過 Kafka 事件主題提供至少一次傳遞,保證事件系統可靠性。

  4. 知識庫驅動的團隊協作:建立「團隊大腦」——共享知識庫存放工程師創建的函數與產品知識,使新加入成員能快速獲得等同 5 年資深工程師的上下文認知,並減少製造商透過聊天和支援管道的重複提問。

實用技巧與重點

  • 系統規模:3000 萬次/日呼叫、50 萬筆/日記錄
  • 涉及範圍:35 個製造商、50 個消費者組織
  • 分析週期優化:7 天 → 15 分鐘(使用 AI 工具後)
  • 工程師採用率:現金處理團隊 90% 日常使用 AI 工具
  • 消費者存取方式:即時 API(GraphQL 篩選)、批次指令碼、串流媒體(Kafka)
  • SLA 響應時間:包裝應用數小時、即時 API 數分鐘
  • 技術標準:CDC 標準、冪等性設計、Snowflake ID 模式、至少一次傳遞
  • 先鋒集團專案代碼:三字元代碼制,包含項目類型、功能和業務用途描述

結論

Vanguard 透過三支柱並聯策略、冪等性系統設計和 AI 工具整合,成功將貨幣帳簿現代化,其中最值得銘記的是 AI 工具將程式碼分析週期從 7 天縮短到 15 分鐘的革命性加速,以及「團隊大腦」知識庫對新成員快速融入團隊的關鍵助力。

完整解析

Vanguard 的貨幣帳簿是支撐金融交易的關鍵基礎設施,每日處理 3000 萬次呼叫和 50 萬筆交易記錄,涵蓋 ACH、銀行轉帳等多種支付渠道,並在多區域實現容錯備份。隨著業務規模擴大,基於過時主機技術的這套系統成為瓶頸,促使 Vanguard 啟動全面現代化專案,將其遷移至雲端架構。

團隊將現代化分解為三個相互獨立卻必須並聯執行的支柱。資料遷移支柱採用業界標準的 CDC(變更資料捕獲)方法論,團隊建立日常審計流程確保資料可靠性和一致性,驗證行級別的資料量完整性,逐列檢查新舊系統對應關係,覆蓋帳戶資訊、政府預扣稅等所有屬性。關鍵建議是待遷移完成後立即停止更新舊程式碼,避免操作複雜化。

製造商遷移支柱涉及 35 個製造商的技術整合,他們可透過三種路徑存取基礎設施:請求服務、包裝 API,或直接資料表插入。團隊先進行資料模式分析,將其包裝在 API 閘道中執行雲端插入,同時借鑑金融科技領域的冪等性概念,確保多個記錄器的可靠性和一致性。

消費者遷移支柱面向 50 個組織單位,系統提供三種存取方式:一是即時 API 使用 GraphQL 讓消費者基於屬性篩選資料,適合即時餘額查詢;二是資料倉庫為各消費者提供個別檢視,適合資料分析;三是透過 Kafka 事件主題進行串流媒體,廣播所有資料插入與更新,反欺詐團隊可即時利用此機制。系統實施至少一次傳遞承諾,透過冪等性設計確保批量作業中斷後可安全重新執行而不產生記錄重複。

進度的關鍵轉折出現在過時程式碼庫透過 MCP 伺服器成為可查詢資源之後。過去,主機工程師需耗費 7 天進行深度程式碼分析和反饋迴圈;現在透過 AI 工具配合提示工程,同樣任務 15 分鐘內完成——這場革命性的加速讓產品經理、技術經理和開發人員都認可 AI 工具對現代化成功的核心貢獻。

在製造商溝通層面,初期透過手冊文檔促進過渡,後將文檔遷移至公司維基百科並透過 MCP 伺服器暴露,大幅減少團隊透過聊天和支援管道的重複提問。AI 工具也成功跨越舊過時系統與雲端生態系的技術鴻溝,幫助團隊理解那些在過時系統中看似簡單的程式碼狀態如何對應現代架構。

對消費者遷移,團隊不僅收集三字元代碼和功能描述,更進一步要求業務背景——交易訂單需何時執行、退休帳戶強制分配、529 帳戶學費貢獻等具體用例。AI 工具現可自動分組這些業務描述,準確說明哪些用例已現代化及系統支援的主要業務功能。進一步地,團隊評估不同用例違反 SLA 的影響:包裝應用故障可能需幾小時回應,而即時 API 故障則客戶立即感知,反應時間以分鐘計——這種影響分析直接指導優先順序決策。

支援兩個程式碼庫是現代化過程中最艱鉅的任務。正確策略是持續修正新程式碼的錯誤,而非修正可能存在數十年的舊代碼。遷移可能影響審計日誌,需建立白名單機制;同時必須部署適當的指標、通知和追蹤機制以支撑日常運維。

如今現金處理團隊 90% 的工程師日常使用 AI 工具。團隊採用多智能體工作流程並共享知識庫,實現「團隊大腦」概念:工程師創建函數或產品時,知識自動落入共享儲存供全體存取;新加入工程師可連接到此知識庫,獲得等同 5 年資深工程師的上下文認知,大幅縮短新人上手週期。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。