跳到正文
原文
Hacker News· thetechnogman·· 2 小时前精选AI 评分28

Inspired Entertainment 用 Google Antigravity CLI 将 API 集成从 8 周压缩到 1 周

Lobbying Is Corruption

AI 导读

Inspired Entertainment 借助 Google Antigravity CLI（此前为 Gemini CLI）将博彩运营商钱包 API 适配器开发从 6-8 周压缩到 1 周，手工工程量从 40 dev days 降至 5 AI-orchestrated dev days，单次集成所需团队从 5 人减至 2 人。

推荐理由

原文给出 8 周压到 1 周的具体数字与工具栈，可供评估自家 API 适配器场景的迁移路径。

正文 · AI 翻译

Inspired Entertainment 如何将集成开发周期从 8 周缩短到 1 周

Inspired Ent - TLDR

特别感谢 Simon Twigg，Inspired Entertainment 的首席技术官，以及 Trace Wax，Barefoot Coders 的 AI 工程负责人，感谢他们携手让这个精彩的故事得以呈现！

问题

在 Inspired Entertainment，我们核心技术是为全球在线博彩行业提供安全金融交易处理。我们的集中式平台——远程游戏服务器（RGS），在多个严格监管的司法辖区内处理实时钱包操作，由 11 个数据中心和全球超过 200 个部署支持。

该领域的增长要求我们持续将平台与 DraftKings、Entain 和 Flutter Group 等主要博彩运营商进行集成。挑战在于，每个运营商都为其钱包交易维护完全定制、专有的 API——仅处理用户身份验证、查询余额以及处理借记和贷记等标准操作，就需要复杂的集成。

  • 瓶颈：即便所有主要博彩公司都通过 HTTP 使用 JSON，但数据结构和协议都是高度定制且专有的。过去，要将我们的服务器连接到新运营商，我们必须手动解读 API 文档，将其映射到我们的 RGS API，并构建一个定制的"适配器"——一个 Java Spring Boot 翻译微服务。这需要一个由五名成员组成的标准 scrum 团队，并耗时 6 到 8 周，每次集成仅在样板代码上就消耗约 40 个开发日和 12 个 QA 日。

  • 影响：这一手动瓶颈人为地将我们的业务上限锁定为每年完成约 12 次集成，从而限制了收入增长。此外，我们的高技能开发人员陷入了周而复始的翻译工作，而无法构建核心平台功能。

我们构建的内容

我们不再继续手动将 API 文档映射到 Java 代码，而是与 Google Cloud 和 Barefoot Coders 合作构建了 AI 编排的集成流水线。我们利用 Gemini CLI 来接入运营商钱包 API 并自动创建 Java Spring Boot 集成模块。现在，原本需要数周手动编码的过程，由单个开发人员在数天内即可编排完成。

技术栈与解决方案

我们的基础设施严重依赖 Google Cloud，以满足真钱游戏的严格监管和性能要求。

  • Google Antigravity CLI（前身为 Gemini CLI）：核心自动化引擎。它会接入复杂的专有 API 文档以及我们的内部 markdown 指南，并输出适配器模块代码。我们还使用它来审查拉取请求并实现遗留系统的现代化。

  • Google Kubernetes Engine（GKE）：我们使用 GKE 来处理核心 RGS，新生成的 Java Spring Boot 微服务适配器作为容器化服务在 GKE 中部署和管理。

  • Cloud SQL 与 Cloud Storage：我们使用 Cloud SQL 来管理自托管事务状态，并使用 Cloud Storage 存储桶来托管游戏资产。

  • Cloudflare & Cloud Armor: 我们利用 Cloudflare 提供 CDN 服务,并借助 Cloud Armor 提供关键的安全过滤和 WAF 防护层,在边缘保护我们的游戏负载。

  • Bitbucket + Gemini: 我们将 Gemini 直接嵌入我们的 CI/CD 流水线中,作为 Pull Request 上的自动化代码审查工具。

底层原理

我们的新适配器工作流完全绕过了手动映射阶段。开发人员直接将 API 文档（PDF/Markdown）和特定的提示词输入 Gemini CLI。AI 作为主要编写者,将专有的 JSON 负载映射到 Inspired 的规范化 RGS 端点。

ExampleAuditPrompt

Inspired_Entertainment_Arch_Diagram

技术成果

用硬数字来证明项目的成功。

  • 效率： 适配器的构建时间从 6-8 周骤降至 1 周,并且有明确的路线图,一旦集成和回归测试完全自动化,可进一步缩短至 1 天。手动工程时间从 40 个开发日减少到仅 5 个 AI 编排的开发日。

  • 可扩展性： 我们将每次集成所需的团队规模从 5 人缩减到 2 人（1 名开发,1 名 QA）。我们没有裁员,而是利用这一效率将能力翻倍,目标是从每年 12 个集成扩展到 24 个以上,直接加速收入增长。

  • 应用现代化： 除了适配器之外,一位资深架构师还使用 Gemini CLI 处理了一个被搁置的遗留系统现代化项目。仅用一周时间作为后台任务,他们就成功将核心 RGS 从 Java 8 升级到 Java 25,从 Tomcat 9 迁移到 10,并从 Spring 4 迁移到 Spring Boot 3.22,过程中还生成了一份清晰易读的变更日志。

  • 安全性： 我们利用 Gemini CLI 加速依赖项更新流程,在修复软件成分分析（SCA）发现的问题时减少工作量,从而降低暴露于已知漏洞的风险。

我们的经验教训

分享“黄金路径”——在构建过程中发现的最佳实践。

  • 经验一：从手动的“重复操作”到编排

    • 旧方法： 为 200 多个集成构建转换层是高度重复的工作。手动完成这些工作不仅令人沮丧,还成为业务的瓶颈。

    • 黄金路径： 通过将样板代码的生成交给 Gemini CLI,我们将开发人员的角色转变为编排者。我们现在可以将那些渴望创造性挑战的顶尖开发人员重新分配到核心 RGS 平台或新 AI 用例上的复杂问题解决工作,从而在扩大产出的同时防止开发人员职业倦怠。

  • 经验二：将代码审查变为积极的对话

    • 旧方法： Pull Request 审查很容易沦为一种走过场的练习,开发人员只是为了尽快让代码上线而点击绿色的“批准”按钮。

    • 黄金路径： 我们将 Gemini 直接嵌入 Bitbucket PR 流程中。Gemini 不知疲倦,并提供深入的代码分析。开发人员可以与 AI 进行积极的辩论,质疑它的评论,而 Gemini 会为自己的推理进行辩护。这种交互能够捕捉到人类开发人员遗漏的边缘情况,并在生命周期的早期显著提升代码质量。

想要构建类似的东西吗？

:backhand_index_pointing_right: 试试 Google Antigravity CLI,它在 Gemini CLI 的功能基础上进行了构建。

:backhand_index_pointing_right: 开始使用 GKE 进行可扩展的微服务编排。

:backhand_index_pointing_right: 查看 Cloud SQL 全托管数据库。

问题：

遗留系统现代化众所周知既痛苦又常半途而废。社区里的其他人是如何利用 AI 来管理大规模框架升级的？

在评论中告诉我们吧！

来源：Hacker News · discuss.google.dev

#教程/实践#编码#部署/工程#Google