阿里云AI辅助编码探索与实践

从智能编码助手到AI程序员 过去一年AI辅助编程工具的发展 GitHub CopilotTabnineAmazon QCodeiumCursorCody AITONGYI LingmaComateDevinMarsCodeCodeGeexGenieRaccoonBable AI辅助编程工具爆发式增长，呈百家争鸣态 AI辅助编程在Gartner报告中处于期望顶峰 大模型对软件领域的深远影响 编程事务性工作的替代 研发人员重复性工作，简单工作，沟通的工作特别多，浪费时间。 研发管理流程化，缺乏灵活性 ， 组 织 容 易 产 生 效 率 竖井，响应能力弱。 企业在落地研发智能化所面临的困难与挑战 工具太多，选择困难症 企业个性化诉求难满足 缺少持续演进的路径 由于训练语料的限制，生成的内容往往无法满足企业的实际业务需求。在企业软件开发中涉及诸多专业任务，大语言模型并不擅长直接处理这些任务，仍需依赖专门的工具。 技术迭代更新快，当前的技术投资是否能够带来持续的收益，而不 是 反 复 投 资 ， 重 复 建 设 。 同时，企业在工具体系建设的过程中，场景很多，面临优先级的选择问题。 AI辅助编程的工具有很多，各个厂商都有其各自宣传的点和竞争力。由于企业缺少领域Know-How，面对这些工具，难于根据企业的特点，做出正确的选择。 通义灵码受到广泛开发者的喜爱 通义灵码，你的智能编码助手 多种场景下表现突出，又快又准，全语言平均采纳率超过30% 解决企业私域化数据个性化的方法：检索增强生成和模型微调 企业级检索增强：解决个性化问题 企业级检索增强，又准又规范 前端自研组件场景前端自研组件场景采纳率提升 8% 使用规范的组件库和样例，让生成的代码更加符合预期，提升采纳和质量 后端注释生成代码场景 企业知识问答查询场景 企业级检索增强，又准又规范 前端自研组件场景 沉淀通用逻辑和常用工具、算法使用样例，让编写效率更高，软件复用更高 企业知识问答查询场景 企业级检索增强，又准又规范 后端注释生成代码场景 自定义扩展：解决代码助手能力宽度问题 从工具到方案，又全又实用 DAO模块代码自动生成 辅助命名，注释翻译 API开发文档自动生成 团队自定义规范代码检查 从工具到方案，又全又实用 DAO模块代码自动生成 API开发文档自动生成 团队自定义规范代码检查 从工具到方案，又全又实用 辅助命名，注释翻译 API开发文档自动生成 团队自定义规范代码检查 从工具到方案，又全又实用 辅助命名，注释翻译 API开发文档自动生成 团队自定义规范代码检查 团队自定义规范代码检查按照团队自定义规范进行代码变更检查，提前发现潜在安全、缺陷风险，提升代码可读性 全面覆盖各类场景，企业智能化研发升级 提升企业软件质量： 通过强大的模型训练能力，在单元测试智能生成领域保持领先 阿里云内部一线开发者声音 “整体体验还不错，代码补全、代码⽣成、注释⽣成都很⽅便。尤其是单元测试⾃动⽣成，蛮不错的。另外，灵码的问答的结果，感觉不错，⽬前基本都在灵码上问技术问题。”——后端开发 “在Java编码场景效果还不错，⽬前已经是作为⽇常研发过程的编码伴侣。” “我⽤通义灵码对代码进⾏重构，将代码中的moment替换为dayjs，这个过程不仅涉及简单的字符串替换，还需要确保所有的时间⽇期操作都能正确地迁移到dayjs中。如果⼈⾁去做，⼤概1-2天，但是有了灵码半天就能完成。”——前端开发 根据问卷调研结果显示，其中⽇常编码及单元测试帮助⾮常⼤： “有了灵码，提⾼了前端和外包同学的开发效率，很多不常⻅的概念IoC、Container、DI等，都可以快速问灵码，缩短了新⼈、外包和新加⼊项⽬同学的学习曲线。”——前端开发 ⽇常编码（前后端）：65.98%的⽤户表示，在⽇常编码过程中，通义灵码的辅助功能极⼤地提⾼了他们的⼯作效率。AI辅助的代码建议和⾃动补全功能，使得开发者能够快速完成前端⻚⾯构建、处理事件逻辑、后端业务逻辑等，显著提升编码效率。 “我是⼀个后端开发，没有前端开发经验，特来体验在这种情况下能否借助通义灵码实现简单的⻚⾯，⽬标是⽣成⼀个简单的测试反应⼒的前端⻚⾯⼩游戏。对于我这个不会前端的同学来说整体效果还是不错的，在很短的时间内实现了这样的⼀个⼩⻚⾯，基本满⾜了我所提出的需求。”——后端开发 编写测试场景：49%的⽤户反馈，在编写测试⽤例时，通义灵码能够提供有效的⽀持。尤其是在单元测试场景，通义灵码能够帮助⽣成单测及⽤例，并确保较⾼的编译通过率和运⾏率。这⼀功能对于确保代码质量和提⾼测试覆盖率起到了⾄关重要的作⽤，帮助开发者在早期阶段发现并修正潜在的问题。 通义灵码2.0AI程序员 最新的编码智能体技术，让编码能力扩展到工程级复杂任务 AI编码能力从片段级到多文件级 端到端的完成一个完整编码任务 代码助手的能力已经从单文件简单的片段级别注释生成、单测生成、代码优化等，进化到多文件级别的编码任务，例如需求实现、批量测试用例生成、多文件代码评审、批量代码重构、三方依赖升级等。 开发者只需要输入准确的需求和上下文，AI可自主完成从需求理解、任务规划、代码生成、DIFF生成全过程。开发者无需从零开始编码，而是基于AI生成结果完成任务。 编码智能体 更多的复杂步骤实现自动化 成为可以信任的编程伙伴 随着模型能力、Agent能力的成熟，开发者可以更加信任AI，并倾向于尽可能多的编码任务交给AI完成。我们称之为信任拐点，此时已经到来。AI更加拟人，从一个辅助生成功能，变成了可以交流沟通的编程伙伴。 AI可以进一步实现上下文自动感知、编程工具自动使用、自动功能验证、自我反思迭代等自动化能力，进一步释放开发者的生产力。 通义灵码AI程序员打造对话式协同编程新模式 场景二：测试生成 场景一：需求实现 场景三：缺陷修复 自主进行缺陷分析、制定修复计划，开发者只需一键确认，即可快速完成缺陷修复代码和代码提交，帮助开发者高效修复缺陷，轻松解决繁杂的修复任务。 针对整库或者单文件进行单元测试批量生成，并具备运行错误自动修复以及测试报告生成能力。可以大幅降低开发者编写单元测试用例的成本。 自然语言描述需求，AI程序员即可开始实现。从需求理解、拆解开发任务，到编码实现、自主测试和修复等，端到端实现需求。 谢谢 扫码了解通义灵码更多动态