top of page
搜尋

AI 協作時代，為什麼 git blame 已經不夠用？開源工具 Blamely 重新定義 AI Coding Attribution

作家相片: Linktech
Linktech
8月19日
讀畢需時 3 分鐘

隨著 GitHub Copilot、Cursor、Claude Code、Windsurf 和 Gemini 等 AI 程式碼輔助工具的爆發性成長，軟體開發的生態正經歷自工業革命以來最大的轉變。今天的開發者不再是一行一行地手動寫程式，AI 已經成為程式庫中的積極貢獻者與協作者。我們甚至可能是最後一代完全手動開發程式碼的工程師。

然而，當開發速度大幅提昇的同時，工程主管與技術領袖也面臨了全新的營運與管理挑戰。


｜當前工程團隊面臨的 5 大問題

在 AI 驅動的開發環境中，「寫出程式碼」已不再是最大的挑戰，真正的考驗在於如何有效管理、度量並維持品質：

  1. 程式碼產權與透明度：我們的專案中，到底有百分之多少的程式碼是 AI 產生的？又是哪位開發者最依賴 AI？

  2. 技術債與程式碼品質：極速生成的 AI 程式碼是否會隱藏安全漏洞或演變成難以維護的技術債？

  3. 度量標準失效：在 AI 介入後，傳統的工程師生產力指標該如何重新定義？

  4. Token 成本失控：許多企業的 AI Token 預算飆升（甚至有團隊在 6 個月內消耗了原本預計用一年的預算），我們該如何控制成本？

  5. 我們真的能信任 AI 產出的內容嗎？


｜為什麼傳統的 git blame 在今天已經不夠用？

過去我們依賴 Git 和 git blame 來追蹤每一行程式碼是由誰、在什麼時候變更的，並進行 Commit 分析。

但進入 AI 時代後，git blame 只能告訴你「是誰提交（Commit）了這段程式」，卻無法告訴你「這段程式真正是誰生產的」。當程式碼是由 AI 生成、人類只是協助貼上或引導時，失去這些歸因資訊將對專案的可維護性造成傷害。


｜解決方案：開源工具 Blamely（by Oobeya）

為了解答「這段程式碼到底是誰產生的？」這個問題，Oobeya 團隊推出了開源工具 Blamely。

Blamely 的核心目標不是要監控開發者，而是為了量化、管理並使人類與 AI 的協作過程達到可持續性。

Blamely.ai

Blamely 核心功能與 Live Demo 亮點

1. 逐行程式碼歸因（Line-by-Line Attribution）

Blamely 能在 macOS、Windows 與 Linux 上運作，並整合進 VS Code、IntelliJ、Cursor 等主流 IDE。透過後台運作的 Plugin 與 CLI，它會即時記錄：

  • 程式碼是來自 AI Chat 生成、CLI 工具、還是 Inline Suggestion（自動補全）。

  • 即便是將 AI 產生的程式碼複製貼上，或是人類工程師只修改了其中的變數（例如 Confirm Password），Blamely 都能在檔案範圍中精準呈現「哪一行是 AI 寫的、哪一行是人類修的」。

Blamely.ai 圖片
Blamely.ai 圖片

Blamely.ai 圖片
Blamely.ai 圖片

2. 揭露 AI Churn（浪費率），優化 Token 成本

這是一項針對企業成本極具價值的分析！Blamely 能夠追蹤 AI 建議了多少行程式碼 vs. 實際被接受並進到 Production 的程式碼。

  • 例如：在 Demo 數據中顯示，AI 生成了 62,000 行，但開發者只使用了 53,000 行，中間產生了約 14% 的 AI Churn。

  • 透過這項指標，企業可以評估哪一款 AI 工具（Copilot, Claude Code, Gemini 等）能帶來最高效益與最差的耗損，進而優化 Token 預算配置。

Blamely.ai 圖片

3. 結合 SonarQube：誰寫的程式碼品質更好？

在 Oobeya Enterprise Dashboard 中，Blamely 的歸因數據可與 SonarQube 靜態程式碼分析結合。 管理者可以清楚比對「人類寫的程式碼 vs. AI 寫的程式碼」在安全漏洞（Security Vulnerabilities）、Code Smells 和 Bug 數量上的差異，用真實數據驗證 AI 的輸出品質。

Blamely.ai 圖片

4. 100% 本地分析，零隱私外流風暴（Enterprise-Grade Privacy）

對於資安要求嚴格的企業，最擔心程式碼被上傳到外部伺服器。 Blamely 承諾不會將任何程式碼或對話資料送往外部或進行 API POST 請求。它完全在開發者本機端分析與 AI 的互動，並將生成報告以 Git Notes 的形式輕量嵌入在提交的 Commit 中，隨著 Git 同步推送到企業自己的 Remote Repository，達到完全的資料安全。


結語：轉變思維，掌握 AI 協作的關鍵

軟體開發的新紀元已經開始，未來的工程團隊成功的關鍵不再僅是「誰能寫出程式」，而是哪一個團隊能夠最有效地度量、管理並推動 AI 協作。

如果你也對專案中的 AI 貢獻比例感到好奇，想知道團隊的 Token 預算是否花在刀口上，不妨試試開源的 Blamely，將失去的「AI 歸因拼圖」補齊！

留言

bottom of page