首页 › AI快讯 › Grab构建分层防御应对AI生成代码崩溃风险

Grab构建分层防御应对AI生成代码崩溃风险

希
希鸥网AIGC专员
· 2026-11-20 · AI快讯 · 来源:InfoQ 中国 1,083 次阅读

Grab表示,AI编程助手的普及加快了开发速度,也让每个版本的代码变更量增多,缺陷和应用崩溃出现的概率随之上升。为此,Grab实现了一套覆盖开发与发布全生命周期的分层防御策略,对崩溃问题进行预防、检测和隔离。Grab称:“AI提升了代码编写速度,而分层防御则保障这种提速是安全的。”

在Grab的业务规模下,崩溃流入生产环境是持续存在的风险。每周都有大量来自众多产品团队的合并请求,不少功能通过功能灰度开关发布,且开关启用与版本发布相互独立,任何一处变更都可能引入崩溃。移动应用崩溃不仅损害用户体验,还会降低无崩溃会话率,进而影响应用在Google Play的排名。由于并非所有用户都开启自动更新,已上线的崩溃问题会长时间留在用户设备上;而部分崩溃缺乏清晰、符号化的堆栈跟踪信息,排查时需交叉比对发布时间表、功能开关发布情况和会话元数据。

Grab的分层防御遵循左移策略。在合并前到预生产阶段,主要防线包括使用Android Lint和SwiftLint等静态代码分析工具,通过平台特定、社区驱动和自定义规则在合并前捕获问题;同时进行单元测试、UI测试和质量保证检查等自动化与手动测试。此外,Grab Early Access(GEA)预生产门禁将早期构建包分发给内部用户并持续监控,可在崩溃到达生产用户之前将其捕获,是Grab最重要的稳定性门禁之一。

在发布阶段,Grab通过分阶段发布和功能开关控制崩溃进入生产环境的可能性。新版本先推送给一小部分用户,工程师监控崩溃情况,检测到异常崩溃率时暂停发布;功能开关则允许团队逐步开启功能并监控其对崩溃率的影响,一旦超过预设阈值可立即关闭,无需发布新版本。

在发布后阶段,Grab专注于快速事件响应,使用Firebase Crashlytics和BigQuery进行实时崩溃监控,在构建上线后尽快识别异常;通过自动化分诊和增强诊断聚合崩溃元数据与堆栈跟踪信息,帮助团队将崩溃映射到具体PR;并借助反馈循环和事后分析扩充Lint规则与测试覆盖范围。

📖 阅读本文共 1,083 次 2026年11月20日 19:30
📱 长按识别 分享给好友~
视频号二维码

扫码查看视频号

客服头像 咨询 咨询