Autoheal完成$7.9M种子轮融资，用于其自我改进的软件工厂

Autoheal 已筹集 $7.9 million 的种子资金，以扩展一个平台，旨在管理 AI 辅助编码之后的工作：调查事件、修复漏洞、控制模型成本，并使软件代理与企业的系统和政策保持一致。

Innovation Endeavors领投本轮，Emergent Ventures、U&I Ventures、Darkmode Ventures、Batch Ventures以及Param Hansa Values也参与投资。Innovation Endeavors的Harpinder Singh将加入Autoheal董事会。

随着公司意识到更快的代码生成并不必然带来更快或更安全的软件交付，融资应运而生。更多的代码可能意味着更多的警报、审查、漏洞以及云模型支出。Autoheal专注于 AI 编码热潮中这一不太显眼的层面。

更快编码带来的运营问题

AI 编码助手 已降低生成代码所需的工作量，但许多下游工程任务仍然劳动密集。生产事故仍需调查，安全发现仍需修复，平台团队仍需了解自动化操作成功或失败的原因。

Autoheal认为，这些工作应视为协同软件工厂的一部分，而不是交给一堆分散的代理。其平台将编码工具与代码仓库、CI/CD 系统、可观测性平台、云环境和问题跟踪器相连接。目标是让专用代理共享工程环境的视图，同时将它们保持在客户的云端和安全控制之内。

在受监管或技术复杂的组织中，这种架构尤为重要，因为代理可能需要生产环境的上下文，但不能被赋予无限制的访问权限。它还解决了一个实际的治理问题：随着团队部署更多代理，他们需要一种一致的方式来评估行为、跟踪变更并控制成本。

Autoheal 连续修复循环的工作原理

Autoheal 方法的核心是两个监管代理。评估器（Evaluator）利用代码审查评论、持续集成失败以及与变更相关的事件等信号，对工作代理的输出进行打分。随后，修复器（Healer）通过修改提示、技能、工具或模型选择，提出对表现不佳的代理的改进方案。

公司表示，这些提议的改动会在审查前针对历史基准进行测试。代理行为在 Git 中进行版本控制，工程师保留批准权。实际上，这使得系统更像是用于监控和改进一组特定任务代理的运行层，而非自主的编码机器人。

这一区别十分重要。构建一个令人信服的代理演示相对容易；但在代码库、基础设施和组织规则变化时保持可靠性能则更具挑战。Autoheal押注，持续的评估和受控的修订将成为企业代理部署的标准要求。

早期部署聚焦于事件响应

Autoheal称其已在包括野村银行和 AvidXchange 在内的企业环境中运行。根据公司提供的数据，野村银行在一次部署中将平均解决时间从两小时缩短至 15 分钟。AvidXchange 报告称，该系统将根因分析时间缩短至数分钟，并释放了工程师用于产品工作的产能。

这些结果是公司和客户的声称，而非独立基准，但它们指向了 Autoheal 认为最紧迫的首要使用场景：事件响应。故障排查通常需要在日志、监控系统、工单、代码变更和云服务之间收集证据。拥有这些上下文访问权限的代理可能比手动在系统间切换的工程师更快地给出有用的诊断。

根据公告，Empiric Earth 也在使用该平台进行故障排查和软件成本优化。综合这些部署可见，Autoheal 正从信息碎片化成本显而易见且改进可通过返还给工程师的时间来衡量的工作流开始。

种子轮融资的用途

Autoheal 由 Utkarsh Ohm、Sid Choudhury 和 Puneet Saraswat 创立，借鉴了他们在 Harness、Microsoft Azure、ThoughtSpot 和 AppDynamics 的经验。团队表示，新资本将用于支持强化学习系统的开发以及在客户边界内训练的私有企业专属模型，这些模型基于工程数据。

长期计划超越软件工程，延伸至数据和安全运营。该扩展取决于平台能否将其评估与修复模型推广至具有不同风险概况和成功标准的工作流。

目前，这轮融资凸显了企业 AI 市场的转变。下一个约束可能不是生成更多代码，而是管理不断增长的智能体数量并吸收它们产生的运营工作。Autoheal 的机会在于将这一约束转化为平台团队能够衡量、审计和改进的基础设施。