大模型技术重塑智能研发新范式

智能研发工具的发展与实践

智能研发工具的发展

• 智能化发展背景与落地诉求：随着大模型的快速发展，智能开发领域正经历从辅助到协同、从补全到生成、从代码到工程的进化。
• Go Fat：更大规模的代码补全：大模型能够生成更大块级、方法级的代码，提高编码效率，通过编程现场和用户操作控制，实现高质量的多行推荐。
• Be Rich：丰富的生成能力：代码调优等能力帮助开发者提升代码质量，通过函数提取、hook提取、组件提取进行大组件拆分。
• Seek Deep：更深度地了解全库：通过调用链等程序专用分析，提升知识深度，加强解释、生成的效果。
• Create By Trust：值得信赖的工作：在代码Debug场景，模型具备比人更丰富的知识，可一步到位修改代码，开发者可信任其修复结果。
• At Your Hand：更贴合现场的交互：利用InlineChat等形式，开发者可聚焦代码编辑区的同时，使用丰富的对话、生成能力。

企业落地经验

• 在企业中踏实落地开发智能化：智能开发是大模型实际落地最容易出结果的场景，因模型对代码场景优化、开发者易接受先进理念、开发效率可量化。
• 感知存在：融合Devops必经链路：在Devops全链路（如代码评审、CI/CD流水线）中展现智能化能力，打造惊喜感，助力效率提升，增强接受度。
  • 代码评审集成智能建议、代码解读，智能评论占比20%，采纳率15%+。
  • CI/CD流水线提供智能错误分析与修复能力。
  • 基于UTAgent生成准确、高覆盖率的单元测试。
• 效果信心：利用CICD确保效果：通过CICD流水线验证智能化工具的实际效果，确保开发者接受度。

开发者实践

• 形式变革：智能时代理念：NotUSINGAI, but trulyWITHAI，开发者应拥抱智能化，与AI协同工作。
• 代码理解检索：使用自然语言进行代码检索与理解，描述要找什么，而非代码长啥样，搜索连带总结摘要。
• 让相关代码先走一步：了解模型与产品行为，手动提供好的提示词增强效果，如先写import、打开相关文件、对话附加文件与目录。
• 显式依赖帮助IDE增强效果：主动打开相关文件，提取关联代码，利用近期打开的文件检索，推荐准确的字符串等内容。
• 基于import的依赖关系：保持推荐与代码签名完全匹配，仅需关联文件，模型按项目依赖生成代码。
• 你就惯着她吧：建立稳定预期，交给AI擅长的事，接受AI的不完美。
• 单行快、多行慢：上下文提供推理质量，放大优势，规避缺点。
• 多使用，勤反馈：不熟悉的编程语言，Focus，Let AI Run The Errands，专注人最擅长的事，将琐碎与重复劳动交给AI。

总结与展望

• 内容总结：
  • 智能研发工具发展特点：更大规模推荐、更丰富能力、更高质量生成效果、更贴合编码过程交互。
  • 开发者实践：用模型进行代码检索与理解、为模型提供更好上下文、与AI协同分工。
  • 企业落地实践：强化大模型应用存在感、利用当前项目工程提高准确率，打造信任。
• 智能开发领域正高速发展：个人与AI结对提效，时代必定由人向人机协同向无人职守前进，Be Ready。