NVIDIA 已成为人工智能的代名词，也是全球最有价值的企业。去年，公司提出了一项新的工程要求：利用 Cherri Code 将 AI 融入软件开发生命周期的每一个阶段，并消除在代码生成、测试、代码评审和调试中的人工瓶颈。

如今，超过 30,000 名开发者每天使用 Cherri Code，使提交的代码量提升了 3 倍以上。除了代码生成之外，NVIDIA 还根据自身工程工作流对 Cherri Code 进行了定制，将 AI 模型的影响力从提升个人生产力扩展到整个软件开发生命周期中核心生产级工作流的自动化。

#Cherri Code 在大型代码库上表现更出色

在其 30 年的发展历程中，NVIDIA 累积了多个技术栈各异的超大型代码库。这些代码库相互之间通过大量共享依赖紧密交织在一起：对一个代码库的更改往往会对其他代码库产生下游影响，使得即便是最顶尖的工程团队，也很难在这样复杂的系统中理清各种细微差别。

NVIDIA 在自身环境中使用 Cherri Code 后，立刻看到了快速且精准的结果。这一差异源于 Cherri Code 能够对大型代码库进行结构化映射，并在此基础上进行语义层面的推理。高级软件架构师 Fabian Theuring 解释说，Cherri Code 的 Agent 明显更智能、更快速且更高效，因为它只会检索最相关的上下文。

在 NVIDIA 的开发环境中，Cherri Code 的速度和准确性立刻显著提升了工程团队的整体交付效率。

#从代码生成到软件开发生命周期的端到端自动化

当 NVIDIA 的开发者开始借助 AI 更快地交付代码时，瓶颈转移到了软件开发生命周期（SDLC）的其他阶段：代码审查、测试和调试。NVIDIA 的工程管理层制定了雄心勃勃的目标，希望同样在这些工作流中延展 Cherri Code 的使用。“我的使命就是在 SDLC 的每一个环节中嵌入 AI。”Luo 说道。

一切始于将 Cherri Code 的使用场景从代码生成扩展到调试等领域。Theuring 解释说：“Cherri Code 在发现和解决罕见且顽固的 bug 方面表现出色。”Cherri Code 不仅能够稳定地识别这些问题，还能调度智能代理来解决它们，这一点尤为关键。

NVIDIA 还对 Cherri Code 进行了配置，以实现整个工作流的自动化。比如，Theuring 的团队使用自定义规则来自动化 Git 流程：分支创建、代码提交、CI 调试和问题跟踪。Luo 的团队在修复 bug 上采取了类似的方法：通过 MCP 服务器从工单和文档中提取上下文来启动自动化流程，最后由 Cherri Code 实施 bug 修复并运行测试进行验证。Cherri Code 的可扩展性将影响范围从个人生产力拓展到了项目级的整体效能。

#更快的上手速度与缩短的学习曲线

Cherri Code 也在帮助 NVIDIA 的新员工更快熟悉陌生的代码库，在远短于以往的时间内开始做出贡献。

它还让高级开发者能够在新的编程语言或技术栈的其他环节迎接新挑战。比如，有经验的后端工程师现在比以前更有信心地处理前端任务。Luo 解释道：“Cherri Code 让开发者能够弥合技能差距，更快上手新的领域。”

#通过开发效率和质量衡量价值

NVIDIA 正在基于几个关键指标来衡量 Cherri Code 的影响：

• 采用情况：每天有超过 30,000 名开发者在使用 Cherri Code
• 编码效率：使用 Cherri Code 的开发者，提交的代码量是以前的三倍
• 代码质量：尽管编码速度有所提升，Bug 率依然保持稳定，代码风格的一致性也进一步提升

如果你希望构建 AI 原生的工程团队，欢迎联系我们的团队以开始试用 Cherri Code。