A DocuSign felére csökkentette az analitikai fejlesztés idejét

A szűk keresztmetszet nem az SQL megírása volt

A dbt Labs október 26-án közzétett beszámolója szerint Bishal Gupta, a DocuSign megbízható adattermékein és az analitikai mérnöki munka korszerűsítésén dolgozó szakembere arra jutott, hogy a csapat teljesítményét elsősorban nem az SQL-kód előállítása korlátozta. A gondot a feladatok közötti váltás jelentette.

A mérnököknek egy Jira-követelmény, a főként a csapattagok fejében élő dbt-konvenciók és az ismételt ellenőrzési lépések között kellett mozogniuk. A munkafázisok között nem volt egységes átadás, ezért a folyamat sok manuális koordinációt igényelt.

Gupta megközelítésében a Claude Code tölti be a folyamatvezérlő szerepét. A dbt Agent Skills biztosítja a projektre jellemző konvenciókat és elnevezési mintákat, a dbt MCP szerver strukturált metaadatot és adatszármazási információkat ad, a dbt v2 pedig a pull request elkészülte előtt ellenőrzi a lefordított SQL-t.

Külön fázisokra bontották az ügynöki munkát

A DocuSign nem egyetlen, minden feladatot elvégző ügynökre építette a rendszert. A munkafolyamatot három szakaszra bontották: felderítésre, dbt-fejlesztésre és vezénylésre. Így egy adott lépés hibája önállóan újrapróbálható, a teljes folyamat újraindítása nélkül.

Gupta egy élő bemutatóban egy új, negyedéves összesítő modell elkészítését kérte. A folyamat betöltötte a megfelelő dbt Agent Skills és MCP-kontextust, létrehozta a modellt és a YAML-fájlt, majd a dbt v2 segítségével lefordította és ellenőrizte az eredményt. Ezután pull requestet és a hozzá tartozó vezénylési feladatot is készített.

A munkát elkülönített branchekben végezték, és a rendszerben megmaradt az emberi ellenőrzés. A módosítások csak mérnöki felülvizsgálat után kerülhetnek be a projektbe.

Az AI javasol, a mérnök felel a végső döntésért

Gupta a dbt Labs beszámolója szerint a követelménytől az ellenőrzött, felülvizsgálatra kész dbt-eszközig vezető folyamatban 50 százalékos produktivitásjavulást mért egy kísérleti projekt során. A csapat emellett egységesebb elnevezéseket, tesztelési megoldásokat és szemantikai mintákat tapasztalt.

Ennek következtében a felülvizsgálók kevesebb időt töltöttek stílusbeli javításokkal, és nagyobb figyelmet fordíthattak a mérnöki döntésekre. Gupta megfogalmazása szerint az AI javaslatokat tesz, a mérnökök pedig továbbra is felelősek azért, ami ténylegesen bekerül a kódbázisba.

A bemutatót követő kérdések főként a korlátokra vonatkoztak. Gupta elmondta, hogy a tesztfuttatások felső határát 1000 sorban állították be, így egy ügynök véletlenül sem indíthat el egy milliárd sor feldolgozását. A csapat egy központi skills-fájllal azt is próbálja szabályozni, hogy az egyes csapatok egyedi készségei miként kerülhetnek be a közös munkafolyamatba. Ez a megoldás még alakulóban van.