2024年AI代碼平臺及產(chǎn)品發(fā)展簡報-甲子光年

出品機構(gòu)：甲子光年智庫智庫院長：宋濤撰寫人：劉瑤王藝霖李哩莉時間版本：2024.10前言：生成式AI爆發(fā)后迎來商業(yè)加速，代碼領域迎來創(chuàng)新及變革契機隨著人工智能技術的飛速發(fā)展，大模型（包括開源模型及閉源模型）的數(shù)量和能力都在顯著增長，為生成式AI應用的爆發(fā)提供了堅實的技術基礎。代碼及開發(fā)領域具備廣泛的高質(zhì)量數(shù)據(jù)、豐富的應用場景及多樣的用戶人群，因此生成式AI為代表的技術提供了生產(chǎn)力的創(chuàng)新空間和發(fā)展?jié)摿?。大模型的?shù)量及能力均不斷上升，AIGC應用爆發(fā)具有技術基礎ArenaELO閉源模型開源模型代碼結(jié)合AI迎來創(chuàng)新機會開發(fā)領域亟待生產(chǎn)力升級12501200模型技術的蓬勃發(fā)展為“AI+”領域/場景/行業(yè)的發(fā)展提供堅實的基礎及發(fā)展創(chuàng)新的土壤?高質(zhì)量的數(shù)據(jù)?通用性的需求ArenaELO閉源模型開源模型代碼結(jié)合AI迎來創(chuàng)新機會開發(fā)領域亟待生產(chǎn)力升級12501200模型技術的蓬勃發(fā)展為“AI+”領域/場景/行業(yè)的發(fā)展提供堅實的基礎及發(fā)展創(chuàng)新的土壤?高質(zhì)量的數(shù)據(jù)?通用性的需求1150110010502023.32023.52023.112024.12024.32024.52023.72023.32023.52023.112024.12024.32024.5數(shù)據(jù)截止2024年5月2024.1022024.1023需求破局：“AI+”的工作方式成為首選，釋放代碼工程的生產(chǎn)力編寫代碼，理解代碼及互聯(lián)網(wǎng)搜索、調(diào)試、寫注釋、寫測試等工作是開發(fā)者的高頻工作需求，因此解決圍繞代碼解決問題實際上解決開發(fā)者最高頻剛需問題，隨著生成式AI技術能力提升，更多的開發(fā)者都在嘗試使用AI解決問題。開發(fā)者最耗時的活動代碼及開發(fā)工作不僅僅是“腦力活”，也是“體力活”編寫代碼理解代碼開發(fā)者會選擇嘗試AI編碼提升自身的效率編寫代碼注釋或代碼文件編寫測試開發(fā)者使用AI代碼生成可提升工作效果提高編程技能開發(fā)者使用AI編程工具的比例變得更有效率70%創(chuàng)造性工作開發(fā)者認可AI的比例4在代碼庫中搜索代碼段9%開發(fā)者最耗時的活動代碼及開發(fā)工作不僅僅是“腦力活”，也是“體力活”編寫代碼理解代碼開發(fā)者會選擇嘗試AI編碼提升自身的效率編寫代碼注釋或代碼文件編寫測試開發(fā)者使用AI代碼生成可提升工作效果提高編程技能開發(fā)者使用AI編程工具的比例變得更有效率70%創(chuàng)造性工作開發(fā)者認可AI的比例4在代碼庫中搜索代碼段9%JetBrains，StateofDeveloperEcosystemReport（2023） 2024.10技術升級：大模型賦予了“AI+代碼”更多的創(chuàng)新空間AI生成代碼的應用思路可以追溯到AI技術應用初期，但往往受限于當時的AI技術所體現(xiàn)的智能化水平。大模型為代碼生成帶來了“質(zhì)”的改變LLMs給“AI+代碼”提供了一個突破性技術方案：LLM帶來了深度學習新自動生成符合規(guī)范或者采納率更高的代碼片段或完整功能模塊，從而讓創(chuàng)建并且推動了開發(fā)者的編程習慣和開發(fā)方式發(fā)生轉(zhuǎn)變，雖然工作重心依然在代碼編寫上，但與AI的互動逐漸增多，編程過往的工作主要集中在代碼生成及搜索的特定能力，更加注重算法設計和訓練策略。事實證明，增強模型固有能力是推動智能代理進一步發(fā)展的關鍵因素。因此大模型對于泛語言形式的數(shù)字內(nèi)容智能化水平的提升，成為推動Copilot模式/IDE插件作為AI通過自動補全代碼、生成代碼片段等方式幫助開發(fā)者完成繁瑣的編程任務。開發(fā)者依然在整個大模型為代碼生成帶來了“質(zhì)”的改變LLMs給“AI+代碼”提供了一個突破性技術方案：LLM帶來了深度學習新自動生成符合規(guī)范或者采納率更高的代碼片段或完整功能模塊，從而讓創(chuàng)建并且推動了開發(fā)者的編程習慣和開發(fā)方式發(fā)生轉(zhuǎn)變，雖然工作重心依然在代碼編寫上，但與AI的互動逐漸增多，編程過往的工作主要集中在代碼生成及搜索的特定能力，更加注重算法設計和訓練策略。事實證明，增強模型固有能力是推動智能代理進一步發(fā)展的關鍵因素。因此大模型對于泛語言形式的數(shù)字內(nèi)容智能化水平的提升，成為推動Copilot模式/IDE插件作為AI通過自動補全代碼、生成代碼片段等方式幫助開發(fā)者完成繁瑣的編程任務。開發(fā)者依然在整個開發(fā)流程中起主導作用，AI的角色主要是提高編程效率和降低重復勞動。Agent模式逐步被采納，與Copilot模式/IDE插件共同組成豐富的產(chǎn)品功AI不僅僅是代碼生成的助手，還能夠自主處理一些開發(fā)任務。AI在這一階段表現(xiàn)出更高的自主性，可以減少人工干預。開發(fā)者的角色從編寫代碼逐步向監(jiān)督和管理AI輸出轉(zhuǎn)變。AI的作用從簡單的助手擴展到可以獨立完成特定任務的合作者。產(chǎn)品形態(tài)的改變“AI+代碼”的技術歷程簡述??長期以來，研究者們一直利用當下人工智能能力結(jié)合代碼開發(fā)工具，實現(xiàn)AI技術在開發(fā)領域的實踐。?但受限于AI技術的發(fā)展水平，AI編程的實踐往往面臨智能化水平不高、編碼效率低下等問題。?這些輔助編程工具基于預定義規(guī)則和模式，幫助程序員快速生成常見代碼結(jié)構(gòu)。5整理,5整理,2024.10產(chǎn)品紅利：圍繞開發(fā)項目的全環(huán)節(jié)和需求進行展開AI代碼平臺的功能圍繞具體的開發(fā)環(huán)節(jié)及場景展開，AI技術是代碼平臺的能力，當具體的產(chǎn)品功能服務依然圍繞項目提質(zhì)增效展開。AI代碼平臺的產(chǎn)品功能架構(gòu)圖示例應用場景金融泛互聯(lián)網(wǎng)運營商國央企科技服務商汽車零售工業(yè)代碼生成知識管理低代碼/高代碼產(chǎn)品核心代碼修復智能推薦風格學習代碼注釋代碼翻譯邏輯理解單元測試風格檢查Agent開發(fā)功能喚醒企業(yè)級開發(fā)能力服務生態(tài)插件管理注釋生成代碼解釋智能問答插件管理企業(yè)看板知識增強安全保護成果共享API管理訓練調(diào)優(yōu)），生成與搜索修改與重構(gòu)AI代碼平臺的產(chǎn)品功能架構(gòu)圖示例應用場景金融泛互聯(lián)網(wǎng)運營商國央企科技服務商汽車零售工業(yè)代碼生成知識管理低代碼/高代碼產(chǎn)品核心代碼修復智能推薦風格學習代碼注釋代碼翻譯邏輯理解單元測試風格檢查Agent開發(fā)功能喚醒企業(yè)級開發(fā)能力服務生態(tài)插件管理注釋生成代碼解釋智能問答插件管理企業(yè)看板知識增強安全保護成果共享API管理訓練調(diào)優(yōu)），生成與搜索修改與重構(gòu)注釋與解釋審查與測試云服務/終端部署算力異構(gòu)調(diào)度數(shù)據(jù)存儲、算力、網(wǎng)絡等產(chǎn)品支撐云服務/終端部署算力異構(gòu)調(diào)度數(shù)據(jù)存儲/管理數(shù)據(jù)來源:數(shù)據(jù)來源:功能簡析：技術能力和交互模式的融合升級AI代碼開發(fā)平臺的產(chǎn)品價值代碼補全/生成提高了代碼的質(zhì)量和穩(wěn)定性：通過實時代碼生成和補全，AI代碼平臺減少了開發(fā)者在編寫代碼時的手動輸入，使得他們能夠更快地實現(xiàn)功能。這種自動化不僅提高了代碼補全/生成減少重復性的瑣碎工作：使他們能夠?qū)Ｗ⒂诟刑魬?zhàn)性和創(chuàng)造性的任務。AI代碼平臺通過智能搜索和代碼預測功能，幫助開發(fā)者快速找到所需的信息和解決方案，從而節(jié)省了大量搜索和調(diào)試的時間。這使得開發(fā)者可以將更多的精力投入到創(chuàng)新和優(yōu)化代碼結(jié)構(gòu)上，推動項目的創(chuàng)新和發(fā)展。代碼修復代碼重構(gòu)更自然的交付體驗：“對話式”的調(diào)試方式，使得開發(fā)者能夠以更直觀和自然的方式與代碼進行“對話”，從而更迅速地理解和解決問題。這種及時的反饋機制，尤其在軟件開發(fā)的早期階段，能夠及時修復錯誤，避免后續(xù)的連鎖反應，從而提升代碼的整體質(zhì)量和穩(wěn)定性。優(yōu)化和升級變得更加快速和高效：智能化的重構(gòu)不僅減少了人工重構(gòu)的工作量，還降低了重構(gòu)過程中引入錯誤的風險。自動化重構(gòu)的實現(xiàn)，使得代碼結(jié)構(gòu)的優(yōu)化和升級變得更加快速和高效。添加注釋代碼解釋代碼翻譯提升代碼可讀性：幫助開發(fā)者更快地理解和掌握復雜和陌生的代碼。這種能力對于處理大型項目或維護遺留系統(tǒng)尤為重要，因為它減少了開發(fā)者在理解代碼邏輯上的時間消耗，從而提高了開發(fā)效率。幫助開發(fā)者理解軟件程序的結(jié)果和語義：確保產(chǎn)出的代碼符合企業(yè)的設計原則。這一功能對于保證軟件質(zhì)量和一致性至關重要，因為它減少了因誤解設計意圖而導致的錯誤和返工。優(yōu)化現(xiàn)有代碼的可移植性：提高了代碼的適應性和可維護性，還為企業(yè)節(jié)省了時間和資源，因為代碼轉(zhuǎn)換通常比從頭開始編寫新程序更加高效。代碼審查性能檢查單元測試提升單元測試的效率：AI代碼平臺通過自動化功能，極大地提高了單元測試環(huán)節(jié)的效率。它能夠輔助開發(fā)人員編寫更多的測試用例，確保軟件程序的有效運行。這種自動化不僅提高了測試的覆蓋率和質(zhì)量，還減少了開發(fā)人員在編寫和維護單元測試上的時間和精力。這使得開發(fā)人員可以將更多的注意力投入到軟件的設計和創(chuàng)新上，從而提高軟件的整體質(zhì)量和用戶體驗。人工驅(qū)動轉(zhuǎn)為數(shù)據(jù)驅(qū)動：通過收集和分析大量的代碼數(shù)據(jù)，AI代碼平臺能夠提供更加精準的測試建議和代碼優(yōu)化方案。這種數(shù)據(jù)驅(qū)動的方法，不僅提高了開發(fā)效率，還降低了軟件缺陷的風險。 整理,2024.107功能簡析：技術能力和交互模式的融合升級 未使用AI代碼可能面對的問題產(chǎn)品功能簡析-解決貫穿開發(fā)環(huán)節(jié)的典型問題（2/3） 未使用AI代碼可能面對的問題AI代碼開發(fā)平臺常見產(chǎn)品功能特點ⅹ手動記憶：程序員需要記住大量的函數(shù)、方法和庫的名稱及其參數(shù)，這在面對龐大的代碼庫或復雜的編程語言時尤為困難。ⅹⅹ手動記憶：程序員需要記住大量的函數(shù)、方法和庫的名稱及其參數(shù)，這在面對龐大的代碼庫或復雜的編程語言時尤為困難。ⅹ信息過載：在沒有智能搜索的情況下，程序員可能需要在大量的文檔、論壇和代碼庫中手動搜索解決方案，這既耗時又容易出錯。生成與搜索代碼補全：在用戶輸入按鍵后自動提供后續(xù)代碼的建議。用戶可以將其當作參考，也可以采納其為正式代碼。智能搜索：可將對話問答功能與IDE進行了集成打通，其中的聊天互動界面可以讓開發(fā)者通過自然語言來做提示詞，探索和生成大段新代碼，甚至是整個程序。并支持一鍵插入到編輯器中。ⅹ定位問題：在沒有智能輔助的情況下，程序員需要手動分析和定位代碼中的錯誤，這可能非常耗時，尤其是在大型項目中。ⅹ識別重構(gòu)機會：確定哪些部分的代碼需要重構(gòu)，以及如何重構(gòu)，通常需要深厚ⅹ定位問題：在沒有智能輔助的情況下，程序員需要手動分析和定位代碼中的錯誤，這可能非常耗時，尤其是在大型項目中。ⅹ識別重構(gòu)機會：確定哪些部分的代碼需要重構(gòu)，以及如何重構(gòu)，通常需要深厚的經(jīng)驗和對代碼結(jié)構(gòu)的深入理解。修改與重構(gòu)代碼修復：針對編碼過程中出現(xiàn)的代碼問題，可以一鍵給出修復建議，助力開發(fā)者快速解決代碼問題。代碼重構(gòu)：在不改變軟件功能的前提下，主動提出建議給出選擇，對代碼進行結(jié)構(gòu)上的調(diào)整。ⅹ時間消耗：編寫清晰的注釋需要額外的時間，程序員可能因為項目進度壓力而忽視這一步驟。ⅹⅹ時間消耗：編寫清晰的注釋需要額外的時間，程序員可能因為項目進度壓力而忽視這一步驟。ⅹ理解差異：不同程序員對同一代碼的理解可能存在差異，這可能導致溝通上的ⅹ語義保留：代碼翻譯不僅僅是文字的轉(zhuǎn)換，更重要的是保留代碼的語義和邏輯，這在自動翻譯中很難實現(xiàn)。注釋與解釋添加注釋：支持多種編程語言生成注釋，只要選中代碼段落，用按鍵選擇生成注釋，AI編程助手就能一鍵生成方法注釋及行內(nèi)注釋。代碼解釋：支持開發(fā)者將代碼片段粘貼到聊天界面，并獲得自然語言解釋，還可以在IDE環(huán)境中突出顯示需要解釋的代碼片段。代碼翻譯：將代碼從一種編程語言翻譯成另外一種編程語言，節(jié)省相應的時間。ⅹ主觀性：代碼審查很大程度上依賴于審查者的個人經(jīng)驗和偏好，這可能導致不一致的審查標準和結(jié)果。ⅹ難以預測：在沒有工具輔助的情況下，預測代碼的性能表現(xiàn)可能非常困難，尤ⅹ主觀性：代碼審查很大程度上依賴于審查者的個人經(jīng)驗和偏好，這可能導致不一致的審查標準和結(jié)果。ⅹ難以預測：在沒有工具輔助的情況下，預測代碼的性能表現(xiàn)可能非常困難，尤其是在復雜的系統(tǒng)或多線程環(huán)境中。ⅹ測試成本：編寫單元測試需要額外的時間和努力，隨著代碼的更新和迭代，維護相應的單元測試也變得復雜和耗時。審查與測試代碼審查：自動審查用戶代碼，支持對代碼進行函數(shù)級檢查功能，審查代碼的可讀性、可維護性、一致性以及是否遵循編碼規(guī)范。性能檢查：支持對代碼進行函數(shù)級檢查功能，可以對大篇幅代碼做檢測，檢測代碼性能，評估代碼在運行時的性能，如處理速度、內(nèi)存使用等。單元測試：根據(jù)自然語言提示或按鍵選擇，為指定范圍內(nèi)的代碼自動生成單元82024.1082024.10功能簡析：技術能力和交互模式的融合升級生成式AI技術的出現(xiàn)，除了可以極大地支撐代碼生成、重構(gòu)、補全等非常典型的開發(fā)工作。此外于完整的AI技術開發(fā)平臺及產(chǎn)品也應該提供相應的審查及測試類產(chǎn)品技術支持，以保證軟件開發(fā)全鏈路功能的覆蓋。48%時間限制48%38%34%38%34%24%19%24%19%17%12%3%缺少先進的工具工具過于昂貴我沒有此類問題其他JetBrains，StateofDeveloperEcosystemReport（2023）數(shù)據(jù)來源:公開資料,專家訪談,甲子光年智庫總結(jié)整理,2024.1063%63%47%34%32%15%單元集成端到端性能其他無的受訪者表示測試在其軟件開發(fā)項目中發(fā)揮著不可或缺的作用。參與測試活動的的受訪者表示測試在其軟件開發(fā)項目中發(fā)揮著不可或缺的作用。參與測試活動的受訪者開發(fā)自動化測試。的受訪者將測試用例設計作為測試過程的一部分。在項目中有單元測試的受訪者不自己編寫測試。JetBrains，StateofDeveloperEcosystemReport（2023）功能簡析：技術能力和交互模式的融合升級交互模式的創(chuàng)新-基于問答與上下文補全的需求問答式交互（也可理解為問答式的交付）：AI代碼生成通過整合代碼交互模型與聊天界面，實現(xiàn)了用戶與AI模型間的自然語言交流，用戶能提出研發(fā)問答代碼優(yōu)化解釋代碼生成注釋補全與問答代碼采納分布補全采納代碼行數(shù)問答功能使用分布生成單測錯誤排查通義靈碼根據(jù)線上調(diào)研數(shù)據(jù)，《通義靈碼，軟件開發(fā)新范式》26%33%17%24%24%37%24%15%19%26%22%33%18%26%21%36%14%27%22%37%12%21%24%研發(fā)問答代碼優(yōu)化解釋代碼生成注釋補全與問答代碼采納分布補全采納代碼行數(shù)問答功能使用分布生成單測錯誤排查通義靈碼根據(jù)線上調(diào)研數(shù)據(jù)，《通義靈碼，軟件開發(fā)新范式》26%33%17%24%24%37%24%15%19%26%22%33%18%26%21%36%14%27%22%37%12%21%24%42%11%21%19%48%9%17%21%53%9%16%19%55%9%20%23%47%9%17%20%54%6%12%20%62%開發(fā)者使用AI助手的最常見方式之一是使用自然語言詢問軟件開發(fā)相關的一般問題相當頻繁有時極少從不使用自然語言進行問答生成代碼生成代碼注釋或代碼文檔解釋bug并提供修正解釋代碼生成測試使用自然語言查詢搜索代碼段執(zhí)行代碼審查總結(jié)近期代碼修改以了解代碼內(nèi)容重構(gòu)代碼通過自然語言描述生成CLI命令生成提交信息JetBrains，StateofDeveloperEcosystemReport（2023）2024.102024.10顯性價值：AI代碼平臺產(chǎn)品競爭力維度分析大模型帶來的核心突破是生成代碼的質(zhì)量，提升了其有效性（生成和效果的提升），其次是帶來了更準確的代碼理解、重構(gòu)、智能搜索等一系列功能實質(zhì)效果的提升，因此模型的效果非常值得關注，在實際工作中，其代碼的采納率既是明確的體驗感受，可以作為通用型的評價標準。AI代碼開發(fā)平臺直接向用戶提供的仍然是產(chǎn)品形態(tài)，因此產(chǎn)品的UI設計、用戶交互方式，甚至是與他軟件的兼容性，都會直接影響用戶的“爽”感，也是在日益激烈的產(chǎn)品競爭中值得關注的AI代碼開發(fā)平臺直接向用戶提供的仍然是產(chǎn)品形態(tài)，因此產(chǎn)品的UI設計、用戶交互方式，甚至是與他軟件的兼容性，都會直接影響用戶的“爽”感，也是在日益激烈的產(chǎn)品競爭中值得關注的代碼的編寫是整個軟件開發(fā)過程中的一部分，軟件開發(fā)則是系統(tǒng)化、復雜性的工程，產(chǎn)品的效果仍然要與整個工程效能有關。環(huán)境部署方式、數(shù)據(jù)處理效率，通信延時等具體產(chǎn)品設計細節(jié)最終都會影響實際效果。代碼采納率開發(fā)效能提升率廣義的評級維度產(chǎn)品體驗滿意度代碼采納率開發(fā)效能提升率廣義的評級維度整理,整理,2024.10隱形價值：重構(gòu)智能時代的開發(fā)模式AI代碼平臺及產(chǎn)品提供的功能可以在需求階段、編碼階段、集成測試階段、發(fā)布部署階段、咨詢學習階段、效能管理階段等各個階段實現(xiàn)智能化升級，意味著AI代碼平臺能力不僅僅局限在某一點，而是逐步的向橫向擴展，會貫穿到DevOps的整個鏈路，為整個軟件工程開發(fā)提供新的范式管理者圖：AI代碼平臺在整個開發(fā)周期應用場景圖管理者一線工作人員高效高質(zhì)量完成交付，將需求發(fā)布上線一線工作人員高效高質(zhì)量完成交付，將需求發(fā)布上線開發(fā)階段分析決策需求整合效能管理集成和測試發(fā)布部署咨詢和學習編碼開發(fā)—編碼與合并 設計澄清需求排期開發(fā)階段分析決策需求整合效能管理集成和測試發(fā)布部署咨詢和學習編碼開發(fā)—編碼與合并 設計澄清需求排期集成構(gòu)建測試與驗收發(fā)布上線需求階段議議AI代碼平臺可應用的場景示例助數(shù)據(jù)來源2024.10《數(shù)據(jù)來源2024.10《》隱形價值：重構(gòu)智能時代的開發(fā)模式生成式AI的大模型技術提升了代碼生成的效率、質(zhì)量，從而讓團隊更關注創(chuàng)新，并且降低了更多業(yè)務人員的參與開發(fā)的難度，從而提升整體工程追求理想工程效能快速響應業(yè)務需求持續(xù)提升交付速度顯性需求：提高開發(fā)效率、代碼質(zhì)量改進、自動化測試等追求理想工程效能快速響應業(yè)務需求持續(xù)提升交付速度編程速度提高為非專業(yè)程序員提供支持新能力提升、跨領域協(xié)作等表：工程效能的指標拆解效能指標指標含義指標對應的計算思路響應速度能夠快速響應新的需求或變更請求代碼提交頻率：衡量團隊提交代碼的頻率公式：代碼提交次數(shù)/時間單位代碼審查速度：衡量團隊審查代碼的速度公式：代碼審查完成時間/代碼提交次數(shù)交付速度能夠在較短時間內(nèi)將需求轉(zhuǎn)化為可上線的產(chǎn)品或功能構(gòu)建成功率：衡量團隊構(gòu)建代碼的成功率公式：成功構(gòu)建次數(shù)/總構(gòu)建次數(shù)測試覆蓋率：衡量團隊測試代碼的覆蓋率公式：測試通過的代碼行數(shù)/總代碼行數(shù))部署頻率：衡量團隊部署代碼的頻率公式：部署次數(shù)/時間單位持續(xù)改進隨著時間推移，團隊能夠不斷提高交付速度，實現(xiàn)"越來越快"的目標代碼提交頻率（同上）構(gòu)建成功率（同上）測試覆蓋率（同上）質(zhì)量保證追求速度的同時，確保交付的產(chǎn)品或功?構(gòu)建成功率（同上）能質(zhì)量可靠?測試覆蓋率（同上）問題解決能力快速發(fā)現(xiàn)問題、定位問題和修復問題的能力平均故障恢復時間：衡量團隊恢復故障的速度公式：故障恢復時間/故障次數(shù)平均故障間隔時間：衡量團隊故障發(fā)生的頻率公式：故障間隔時間/故障次數(shù)適應性靈活應對不同類型的需求和技術挑戰(zhàn)代碼提交頻率（同上）代碼審查速度（同上）數(shù)據(jù)來源:GTLC全球技術領導力大會,甲子光年智庫總結(jié)整理,2024.10隱形價值：重構(gòu)智能時代的開發(fā)模式隨著企業(yè)研發(fā)工作開展，內(nèi)部有很多優(yōu)質(zhì)的代碼、框架、規(guī)范需要逐步積累，但往往這些數(shù)據(jù)的價值卻很難得到釋放，對于開發(fā)者而言的使用成大模型時代的AI代碼開發(fā)平臺則可以借助大模型不斷完善積累企業(yè)的代碼數(shù)字資產(chǎn)，形成正向循環(huán)。 數(shù)據(jù)來源:《通義靈碼,軟件開發(fā)新范式》,專家訪談,甲子光年智庫整理,2024.10RR代碼/文檔智能中心企業(yè)數(shù)字資產(chǎn)形成正向循環(huán)，開發(fā)者在開發(fā)過程中享受到“資產(chǎn)紅利”隱形價值：重構(gòu)智能時代的開發(fā)模式軟件本質(zhì)的復雜性是現(xiàn)在軟件系統(tǒng)中無法規(guī)避的內(nèi)在特性，比如復雜度、一致性、可變性和不可見性——《人月神話》的作者?？梢钥闯鲕浖こ淌谴笠?guī)模的集體智力的協(xié)作活動，本身具有極強的復雜性。在大模型時代，當AI逐步地去替代事務性工作，并且形成了AI為主、人為輔的編程模式的時候，個體和寫作中的效率豎井就可以逐步打破。提工程能力和工程效能的雙效提升“工程效能”是本質(zhì)，快速響應需求并持續(xù)提升交付速度是關鍵升整體的協(xié)同研發(fā)效果及效率。工程能力和工程效能的雙效提升“工程效能”是本質(zhì)，快速響應需求并持續(xù)提升交付速度是關鍵提升方向提升方向“需求來了上線快，而且隨著時間越來越快”人員技能是效能的基石，也是效能破局點能力提升彌補能力短板協(xié)作效率成本是效能優(yōu)化的目的，同時也是約束條件工具賦能事務性工作替代成本是效能優(yōu)化的目的，同時也是約束條件工具賦能事務性工作替代個體效率軟件架構(gòu)和組織復雜度正相關，并決定協(xié)同消耗的大小個體效率流程規(guī)范打造超級個體 技術支撐：基于項目開發(fā)“Know-How”的“AI+”技術RAG技術不斷涌現(xiàn)，推動了模型性能的邊界不斷擴展。這些技術進步不僅限于提升檢索效率和生成文本的流暢度，更涵蓋了對上下文理解的深度增強、對復雜查詢的精細處理能力，以及對多樣化數(shù)據(jù)源的高效集成。實施RAG技術的AI代碼平臺 部分AI技術生成代碼痛點實施RAG技術的AI代碼平臺技術由來技術由來預期需求或含有錯誤。生成代碼速度慢，影響開發(fā)進度。效率低應用效果缺乏上下文從非權(quán)威來源創(chuàng)建響應，無法理解特定項目業(yè)應用效果缺乏上下文對比方面不使用RAG技術的AI代碼平臺知識更新與深度需要周期性訓練以集成新知識；知識庫更新滯后實時檢索最新代碼庫和文檔，快速更新知識庫；深度通過外部知識庫黑盒模型，生成代碼的邏輯不透明；定制性受限于生成代碼基于檢索結(jié)果，可解釋；易于根據(jù)特定編程需求定制 訓練與應用成本高成本訓練模型；每次更新知識庫需要額外訓練知識庫更新無需重新訓練模型；降低長期成本；提高應用效率通用性與推理能力通常針對特定編程任務優(yōu)化，在其他任務上表現(xiàn)不佳強大的跨任務通用性；通過檢索增強上下文和邏輯推理能力 實時性與多模態(tài)更新周期導致知識過時；通常處理單一數(shù)據(jù)類型實時檢索和應用最新信息；有潛力處理代碼、文檔、issue等多模態(tài)數(shù)據(jù)安全性與隱私訓練數(shù)據(jù)包含敏感信息，存在泄露風險；模型透明度低通過限制知識庫訪問和生成策略提高安全性；模型生成過程更透明2024.102024.10技術支撐：基于項目開發(fā)“Know-How”的“AI+”技術RAG對大型語言模型（LLM）輸出進行優(yōu)化，使其能夠在生成響應之前引用訓練數(shù)據(jù)來源之外的權(quán)威知識庫。RAG通過將用戶數(shù)據(jù)整合進LLM已有的數(shù)據(jù)中來解決用戶提問。是目前生成式AI應用中一種高效的改進思路，保證其輸出結(jié)果在各種情境下都能盡可能體現(xiàn)其相關性、準確性和實用性——在AI代碼生成的技術中，保證最大程度提升代碼生成的質(zhì)量。12檢索3一旦提出問題，系統(tǒng)就會利用矢量搜索技術對存儲的數(shù)據(jù)進行挖掘，找出相關信息。檢索到的信息被用于為LLM提供上下文，語言模型通過將上下文與問題相結(jié)合來準備最終的提示。結(jié)果是根據(jù)所提供的豐富的上下文數(shù)據(jù)生成答案。LLM查詢數(shù)據(jù)準備首先是用戶上傳數(shù)據(jù)，然后對數(shù)據(jù)進行分塊并用嵌入式技術存儲，12檢索3一旦提出問題，系統(tǒng)就會利用矢量搜索技術對存儲的數(shù)據(jù)進行挖掘，找出相關信息。檢索到的信息被用于為LLM提供上下文，語言模型通過將上下文與問題相結(jié)合來準備最終的提示。結(jié)果是根據(jù)所提供的豐富的上下文數(shù)據(jù)生成答案。LLM查詢數(shù)據(jù)準備首先是用戶上傳數(shù)據(jù)，然后對數(shù)據(jù)進行分塊并用嵌入式技術存儲，為檢索奠定基礎。索引存儲查詢評估階段③①②索引存儲查詢評估階段③①②加載加載結(jié)合檢索信息編程問題檢索組件知識庫檢索相關信息生成答案、確保答案質(zhì)量大語言模型結(jié)合檢索信息編程問題檢索組件知識庫檢索相關信息生成答案、確保答案質(zhì)量大語言模型AI支持企業(yè)級個性化的項目開發(fā)，解決企業(yè)代碼生成的“知我所想”——理解企業(yè)開發(fā)需求④輸出最終答案輸出最終答案2024.10www.jazzyear.技術支撐：基于項目開發(fā)“Know-How”的“AI+”技術針對生成效果評估方法的全流程優(yōu)化數(shù)據(jù)處理與知識庫優(yōu)化知識庫處于流程循環(huán)首尾的銜接，其質(zhì)量控制是優(yōu)化策略核心數(shù)據(jù)處理與知識庫優(yōu)化提供基礎優(yōu)化數(shù)據(jù)庫前期準備>提供基礎優(yōu)化數(shù)據(jù)庫前期準備>知識庫：優(yōu)化知識庫的結(jié)構(gòu)和內(nèi)容，以提高檢索效率和質(zhì)量。數(shù)據(jù)：需要重新考慮數(shù)據(jù)的收集、清洗和標注，以適應新的模型或策略。有助于提高檢索和生成的準確性。數(shù)據(jù)庫打標準確性：確保數(shù)據(jù)庫中的信息準確無誤、通過標準化過程提高提供優(yōu)化結(jié)果提供優(yōu)化結(jié)果算資源選擇更大的模型：現(xiàn)有模型的生成效果不理想，可以使用更大的預訓練模型，帶使用不同的embedding模型：根據(jù)實際應用場景和數(shù)據(jù)特點，使用不同的embedding模型，以找到最適合的模型來提高檢索優(yōu)化后的模型需要部署到實際環(huán)境中，并持續(xù)優(yōu)化后的模型需要部署到實際環(huán)境中，并持續(xù)監(jiān)控其效果，以便進行對于新的模型和參數(shù)設置，需要進行訓練和驗提供反饋如果需要更大的模型或?qū)τ谛碌哪Ｐ秃蛥?shù)設置，需要進行訓練和驗提供反饋源。這涉及到模型訓練和優(yōu)化階段的資源分配和管理。*備注：在RAG系統(tǒng)中，"chunk-size"是指將文本或數(shù)據(jù)分成較小的塊，以便更高效地處理和檢索。調(diào)整chunk-size有助于在信息量和檢索效率之間找到最佳平衡。較小的塊可以提高檢索準確性，但可能丟失上下文；較大的塊保留更多上下文，但可能增加冗余。通常，chunk大小在100到3間，需根據(jù)應用場景調(diào)整。通過調(diào)整chunk-size參數(shù)，可以優(yōu)化RAG模型的檢索效果，提高效率和準確性。2024.12024.10技術支撐：基于項目開發(fā)“Know-How”的“AI+”技術由于RAG高度依賴其知識庫的信息質(zhì)量，因此企業(yè)級的代碼知識庫的完善是保證其技術效果的關鍵舉措，具體如代碼應該怎么處理，文檔應該怎么處理，代碼過來要進行過濾、清洗、結(jié)構(gòu)化等等細節(jié)的工作是非常值得關注和尊重的，可保證代碼知識庫的不斷完善，如下示例保證代碼知識庫數(shù)據(jù)的質(zhì)量：建立確保知識庫中信息的數(shù)據(jù)質(zhì)量、相關度。么處理，代碼過來要進行過濾、清洗、結(jié)構(gòu)化等等細節(jié)的工作是非常值得關注和尊重的，可保證代碼知識庫的不斷完善，如下示例動態(tài)更新代碼知識庫的數(shù)據(jù)：數(shù)據(jù)動態(tài)變化，保持知識庫的時效性可確保RAG的響應符合當下需求。高效組織數(shù)據(jù)：通過使用索引、分類或標記來優(yōu)化代碼知識庫的檢索過程，以合乎邏輯且易于檢索的方式組織數(shù)據(jù)是關鍵。圖：RAG的企業(yè)級代碼知識庫痛點及解決方案示例解決方法示例1 解決方法示例3將用戶查詢與知識庫內(nèi)容進行比較建立者孤立地建立和發(fā)展解決方法示例2解決方法示例1 解決方法示例3將用戶查詢與知識庫內(nèi)容進行比較建立者孤立地建立和發(fā)展解決方法示例2持續(xù)知識庫維護數(shù)據(jù)工程功能按不確定性對孤立問題排序按主題對真實用戶問題進行分組持續(xù)知識庫維護數(shù)據(jù)工程功能按不確定性對孤立問題排序按主題對真實用戶問題進行分組查詢驅(qū)動的知識庫補全 通過知識庫維護改進較高的不確定性分數(shù)表示知識庫內(nèi)容存在差距 通過知識庫維護改進較高的不確定性分數(shù)表示知識庫內(nèi)容存在差距信息滯后、錯誤不合邏輯查看哪些缺失主題有最多的用戶查詢不合邏輯查看哪些缺失主題有最多的用戶查詢數(shù)據(jù)組織形式不易被檢索用戶問題組準確地顯示需要涵蓋的內(nèi)容?孤立問題是指通過將用戶查詢與知識庫內(nèi)容較，識別出知識庫中未能充分覆蓋或存在內(nèi)數(shù)據(jù)組織形式不易被檢索用戶問題組準確地顯示需要涵蓋的內(nèi)容?不以用戶為中心不以用戶為中心數(shù)據(jù)來源:數(shù)據(jù)來源:integrail.ai梳理,2024.10技術支撐：基于項目開發(fā)“Know-How”的“AI+”技術AI代碼平臺中AIAgent的核心邏輯：通過將經(jīng)過特定訓練的大模型作為“大腦”，利用其推理和規(guī)劃能力，并調(diào)用外部工具來完成復雜任務，從 整理,2024.10而優(yōu)化代碼開發(fā)過程。 整理,2024.10AI代碼平臺的AIAgent特定訓練的大模型（代碼規(guī)劃+知識記憶+工具集成+自動執(zhí)行）在特定代碼任務中優(yōu)化和微調(diào)的AI核心代碼規(guī)劃：智能分析和設計代碼結(jié)構(gòu)，優(yōu)化開發(fā)流程知識記憶：存儲和檢索相關信息，支持連續(xù)性和上下文理解自主執(zhí)行：自主完成代碼生成和測試等任務，實現(xiàn)自動化操作工具集成：連接和使用外部軟件工具，提高開發(fā)效率人機交互Agent基于LLM人機交互Agent基于LLM的組件，和交互兩個層面感知反饋AI代碼平臺中的Agent能夠感知并響應其工具能力規(guī)劃能力記憶工具能力規(guī)劃能力記憶能力AIAI代碼平臺AIAgent行動行動能力群體協(xié)作設計開發(fā)群體協(xié)作設計開發(fā)通過多個Agent協(xié)作機制，各Agent能夠技術支撐：基于項目開發(fā)“Know-How”的“AI+”技術系統(tǒng)模擬團隊中的不同軟件開發(fā)角色（如執(zhí)行官、產(chǎn)品官、程序員、測試員等）來協(xié)同工作完成項目，平臺依賴事件驅(qū)動架構(gòu)、標準化接口、沙用戶需求產(chǎn)品經(jīng)理Agent與用戶溝通（交互），分析并轉(zhuǎn)化用戶需求為功能需求通過自然語言處理與用戶對話，提取關鍵信息，生成需求文檔或任務列表項目經(jīng)理Agent促進不同代理之間的協(xié)作，確保信息流通和任務協(xié)調(diào)通過多代理委派機制，協(xié)調(diào)各個代理的工作開發(fā)工程師Agent將復雜功能需求分解為更小的、可管理的代碼模塊或任務利用機器學習模型分析需求，自動生成代碼結(jié)構(gòu)和模塊劃分測試與支持Agent負責自動化測試，確保代碼正確性和穩(wěn)定性監(jiān)控系統(tǒng)狀態(tài)，收集用戶反饋生成測試用例，執(zhí)行單元測試和集成測試，實時監(jiān)控應用性能，收集用戶使用數(shù)據(jù)，分析測試結(jié)果并反饋化用戶需求產(chǎn)品經(jīng)理Agent與用戶溝通（交互），分析并轉(zhuǎn)化用戶需求為功能需求通過自然語言處理與用戶對話，提取關鍵信息，生成需求文檔或任務列表項目經(jīng)理Agent促進不同代理之間的協(xié)作，確保信息流通和任務協(xié)調(diào)通過多代理委派機制，協(xié)調(diào)各個代理的工作開發(fā)工程師Agent將復雜功能需求分解為更小的、可管理的代碼模塊或任務利用機器學習模型分析需求，自動生成代碼結(jié)構(gòu)和模塊劃分測試與支持Agent負責自動化測試，確保代碼正確性和穩(wěn)定性監(jiān)控系統(tǒng)狀態(tài)，收集用戶反饋生成測試用例，執(zhí)行單元測試和集成測試，實時監(jiān)控應用性能，收集用戶使用數(shù)據(jù)，分析測試結(jié)果并反饋化結(jié)果評估能集成與測試2222數(shù)據(jù)來源:整理,2024.1023AI代碼平臺領域成為生成式AI的重要落地領域，不同類型企業(yè)各顯身手業(yè)務*AI代碼型AI代碼創(chuàng)業(yè)型AI代碼社區(qū)型智能體*開發(fā)類AI模型*代碼型業(yè)務*AI代碼型AI代碼創(chuàng)業(yè)型AI代碼社區(qū)型智能體*開發(fā)類AI模型*代碼型 rmuierft rmuierft 通用模型 算力、數(shù)據(jù)及其他基礎支持圖譜1.0版數(shù)據(jù)截至2024年10月，順序不分先后Aciy4）代碼社區(qū)型：基于社區(qū)代碼的數(shù)據(jù)積累，提供相6）低/無代碼+AI：在自身低無代碼基礎上4）代碼社區(qū)型：基于社區(qū)代碼的數(shù)據(jù)積累，提供相6）低/無代碼+AI：在自身低無代碼基礎上7）圖形化編程語言（可包括IDE）+AI：在圖形7）圖形化編程語言（可包括IDE）+AI：在圖形2）業(yè)務*AI代碼型：基于自身業(yè)務及開發(fā)能力，提供基于生成式AI的I3）AI代碼創(chuàng)業(yè)型：基于代碼領域的垂類模型及產(chǎn)品能力，提供相應的A24整理,24整理,2024.10值得關注的互聯(lián)網(wǎng)大廠產(chǎn)品及服務動態(tài)——百度智能云【文心快碼】文心快碼（BaiduComate）是基于文心大模型，結(jié)合百度積累多年的編程現(xiàn)場大數(shù)據(jù)和外部優(yōu)秀開源數(shù)據(jù)，打造的新一代編碼輔助工具。擁有代碼智能、場景豐富、創(chuàng)造價值、廣泛應用等多重產(chǎn)品優(yōu)勢，可實現(xiàn)“幫你想、幫你寫、幫你改”的場景應用形態(tài)。提升編碼效率，釋放“十倍”軟件生產(chǎn)力。文心快碼（BaiduComate）是基于文心大模型，結(jié)合百度積累多年的編程現(xiàn)場大數(shù)據(jù)和外部優(yōu)秀開源數(shù)據(jù)，打造的新一代編碼輔助工具。擁有代碼智能、場景豐富、創(chuàng)造價值、廣泛應用等多重產(chǎn)品優(yōu)勢，可實現(xiàn)“幫你想、幫你寫、幫你改”的場景應用形態(tài)。提升編碼效率，釋放“十倍”軟件生產(chǎn)力。優(yōu)勢亮點“幫你改”測試和發(fā)布智能評審智能安全監(jiān)測智能Debug智能漏洞修復“幫你想”智能代碼補全智能生成描述描述生成代碼自動發(fā)現(xiàn)漏洞更懂研發(fā)知識開發(fā)速度快構(gòu)建研發(fā)領域知識體系，滿足多場景訴求，實現(xiàn)高效交付更懂研發(fā)全流程業(yè)務迭代快文心快碼無縫集成研發(fā)各環(huán)節(jié)，加速研發(fā)全流程提效安全規(guī)范任務分解專家模式問答優(yōu)勢亮點“幫你改”測試和發(fā)布智能評審智能安全監(jiān)測智能Debug智能漏洞修復“幫你想”智能代碼補全智能生成描述描述生成代碼自動發(fā)現(xiàn)漏洞更懂研發(fā)知識開發(fā)速度快構(gòu)建研發(fā)領域知識體系，滿足多場景訴求，實現(xiàn)高效交付更懂研發(fā)全流程業(yè)務迭代快文心快碼無縫集成研發(fā)各環(huán)節(jié)，加速研發(fā)全流程提效安全規(guī)范任務分解專家模式問答智能缺陷修復發(fā)布流程管控生成安全代碼自動修復漏洞API生成代碼單測智能體更懂行業(yè)客戶企業(yè)落地快直擊行業(yè)難點，提供最佳落地實踐，助力客戶提效支持私有化、混合云部署讓大模型以更安全的方式學習企業(yè)業(yè)務代碼和流程，更契合行業(yè)與業(yè)務的需求全方位支持多種主流IDE與編程語言支持100多種主流語言和VSCode、JetB產(chǎn)品功能“幫你寫”私域知識增強需求澄清研發(fā)規(guī)范架構(gòu)解讀百度每天新增的代碼中，有30%由文心快碼生成，整體采納率達46%，這一提效工具的應用令工程師整體提效達到12%，顯著提升了單位時間內(nèi)的代碼提交數(shù)量和業(yè)務迭代速要的是，智能編碼提效工具使工程師得以從繁雜、重復的工作中釋放出來，專注于更有價值和創(chuàng)造性的工作。百度每天新增的代碼中，有30%由文心快碼生成，整體采納率達46%，這一提效工具的應用令工程師整體提效達到12%，顯著提升了單位時間內(nèi)的代碼提交數(shù)量和業(yè)務迭代速要的是，智能編碼提效工具使工程師得以從繁雜、重復的工作中釋放出來，專注于更有價值和創(chuàng)造性的工作?？蛻羰纠?5 25國內(nèi)重點廠商產(chǎn)品及服務能力分析——眾安保險DevPilot外部開發(fā)者積極參與開源社區(qū)的構(gòu)建開源社區(qū)的反饋可以做到當天響應及修復DevPilot的定位是“代碼輔助生成助手”，可參與開發(fā)者需程，致力于解決開發(fā)態(tài)的問題。從自動化日常開發(fā)任務到提供富有洞察力的代碼建議，讓開發(fā)人員能夠更智能、更快速、DevPilot通過結(jié)合私有化部署方案或是利用通用的代碼模供了一套輕量且高效的全棧代碼助手開源解決方案。讓AI技術成為開發(fā)者積極構(gòu)建開源社區(qū)：眾安開源戰(zhàn)略的核心聚焦于構(gòu)建開發(fā)者與用戶緊密聯(lián)結(jié)的社區(qū)生眾安保險是中國首家互聯(lián)網(wǎng)保險公司。作為國內(nèi)首個核心系統(tǒng)搭建在云上的金融機構(gòu)，眾安基于云服務平臺搭建開放、靈活、可擴展的核心系統(tǒng)，與時，眾安不斷開拓人工智能、區(qū)塊鏈、大數(shù)據(jù)等前沿技術，并深度應用于DevPilot外部開發(fā)者積極參與開源社區(qū)的構(gòu)建開源社區(qū)的反饋可以做到當天響應及修復DevPilot的定位是“代碼輔助生成助手”，可參與開發(fā)者需程，致力于解決開發(fā)態(tài)的問題。從自動化日常開發(fā)任務到提供富有洞察力的代碼建議，讓開發(fā)人員能夠更智能、更快速、DevPilot通過結(jié)合私有化部署方案或是利用通用的代碼模供了一套輕量且高效的全棧代碼助手開源解決方案。讓AI技術成為開發(fā)者積極構(gòu)建開源社區(qū)：眾安開源戰(zhàn)略的核心聚焦于構(gòu)建開發(fā)者與用戶緊密聯(lián)結(jié)的社區(qū)生眾安保險是中國首家互聯(lián)網(wǎng)保險公司。作為國內(nèi)首個核心系統(tǒng)搭建在云上的金融機構(gòu)，眾安基于云服務平臺搭建開放、靈活、可擴展的核心系統(tǒng)，與時，眾安不斷開拓人工智能、區(qū)塊鏈、大數(shù)據(jù)等前沿技術，并深度應用于DevPilot是眾安保險技術團隊開發(fā)的AI代碼助手，結(jié)合私有化部署的或是通用三方代碼模型，帶來一套輕量高效的全棧代碼助手開源解決方案，使AI成眾安自主研發(fā)的AIGC中臺“眾有靈犀”，為AI應用提供安全可靠的大模型能力，提示工運營、客服等多場景應用。眾安保險憑借海量的保險數(shù)據(jù)以及豐富的保險知識，在大模型上進行深度的場景應用，通過AI中“眾有靈犀”為DevPilot提供了一個功能豐富的平臺，作為DevPilot的中臺提供了大模型集成、提示編排、檢索增強生成等能力，使得DevPilot在各種運行代碼生成的場景需求都能夠在這個平臺上得到實現(xiàn)和構(gòu)建。作為一款強大的中臺系統(tǒng)，眾有靈犀能夠集成多種大型語言模型，并且對外提供統(tǒng)一的接口，從而有效地屏蔽了不同模型之間的差異性和復雜性。眾有靈犀還為DevPilot的使用提供一系列針對大語言模型安全性的策略和措施，其中包括了對敏感數(shù)據(jù)的檢測機制等，以及防止生成具有政治敏感性內(nèi)容及敏感代碼外泄的技術手段，以此來保障平臺上的內(nèi)容生產(chǎn)和交互活動能夠在符合安全規(guī)范的前提下進行。數(shù)據(jù)來源:眾安保險Dev數(shù)據(jù)來源:眾安保險Devpilot,甲子光年智庫整理,2024.10國內(nèi)重點廠商產(chǎn)品及服務能力分析——眾安保險DevPilot（產(chǎn)品特點1/2）DevPilot通過結(jié)合私有化部署方案或是利用通用的代碼模型，為開發(fā)者提供了一套輕量且高效的全棧代碼助手開源解決方案。DevPilot的設計初衷是DevPilot通過結(jié)合私有化部署方案或是利用通用的代碼模型，為開發(fā)者提供了一套輕量且高效的全棧代碼助手開源解決方案。DevPilot的設計初衷是術成為開發(fā)者工具的標準組成部分，不僅能夠幫助開發(fā)者自動生成代碼片段或模塊，還能通過智能化的代碼補全、重構(gòu)建議等功能DevPilot獨特的產(chǎn)品設計：結(jié)合開發(fā)經(jīng)驗，打代碼生成DevPilot可以基于倉庫代碼相似邏輯，按需求生成新的功能代碼，尤其可基于企業(yè)倉庫代碼生成最佳編碼方案，提高編碼效率。用戶可用這款AI助手與機器進行對話生成代碼。代碼生成代碼補全代碼解釋代碼審查代碼補全性能檢查單元測試單元測試代碼修復錯誤檢測智能搜索DevPilot的產(chǎn)品功能一覽：豐富功能充分滿足企DevPilot獨特的產(chǎn)品設計：結(jié)合開發(fā)經(jīng)驗，打代碼生成DevPilot可以基于倉庫代碼相似邏輯，按需求生成新的功能代碼，尤其可基于企業(yè)倉庫代碼生成最佳編碼方案，提高編碼效率。用戶可用這款AI助手與機器進行對話生成代碼。代碼生成代碼補全代碼解釋代碼審查代碼補全性能檢查單元測試單元測試代碼修復錯誤檢測智能搜索DevPilot的產(chǎn)品功能一覽：豐富功能充分滿足企自動注釋自動注釋在補全場景，在補全場景，DevPilot從單純的純模型補全演進到基于提示詞的補全，再到補全后接受交互行為的處理，站在開發(fā)者的角度不斷的打磨補全的效果，盡量減少代碼修改率，避免出現(xiàn)網(wǎng)傳的“助手代碼生成越多，錯誤越多，修改越多”的問題。DevPilot著重提升上下文邏輯的理解能力，提升其企業(yè)級開發(fā)項目中的代碼采納率。DevPilot不僅可以幫用戶對大篇幅代碼做CodeReview，檢測代碼性能，還能快速生成單測案例，針對類、方法級提供多種單元測試生成能力，也可以用提示詞生成符合特定框架要求的單元測試。該場景下，DevPilot不斷的豐富要生成單測的內(nèi)容上下文，通過提示詞讓模型更加專注在邏輯分支上，識別所有可能的執(zhí)行路徑，確保分支覆蓋率。數(shù)據(jù)來源:眾安保險Devpilot,甲子光年智庫整理,2024.1027國內(nèi)重點廠商產(chǎn)品及服務能力分析——眾安保險DevPilot（產(chǎn)品特點2/2）優(yōu)質(zhì)的交互體驗IDE原生DevPilot基于VSCodIDEA等主流IDE構(gòu)建，使用IDE原生交互，diff視圖，以及代碼插入時自動尋找目標文件等的細節(jié)交互，為開發(fā)者帶來更加絲滑的優(yōu)質(zhì)的交互體驗IDE原生DevPilot基于VSCodIDEA等主流IDE構(gòu)建，使用IDE原生交互，diff視圖，以及代碼插入時自動尋找目標文件等的細節(jié)交互，為開發(fā)者帶來更加絲滑的靈活的模型切換模型可切換DevPilot允許開發(fā)者或企業(yè)切換合適的大模型，可使用本地模型或三方通用模型，這就使得DevPilot能夠更快跟進符合企業(yè)級開發(fā)需求心理念在于實現(xiàn)與企業(yè)內(nèi)部復雜業(yè)務邏輯的高度融合，它不僅僅是一個簡單的代碼生成器，而是致力于根據(jù)企業(yè)的特定業(yè)務需求來直接生成相應的代碼片段或模塊。工程級的上下文能力相較于一些同類產(chǎn)品生成代碼時只能感知當前文件或者打開文件的代碼，DevPilot廣泛使用工程文件索引以及檢索增強生成相關的工程范圍甚至是企業(yè)倉庫里的代碼作為參考片段，使生成的代碼更加符合工程需要，有效提升代碼采納率。靈活的模型切換優(yōu)質(zhì)的交付體驗滿足企業(yè)級開發(fā)需求28數(shù)據(jù)來源:眾安,甲子光年智庫整理,2024.1028國內(nèi)重點廠商產(chǎn)品及服務能力分析——眾安保險DevPilot項目實踐能力解析：致力于解決企業(yè)在軟件開發(fā)過程中所面臨符合企業(yè)架構(gòu)標準以企業(yè)為中心推動數(shù)字化轉(zhuǎn)型符合企業(yè)架構(gòu)標準以企業(yè)為中心業(yè)務組件的訪問代碼，以及企業(yè)特有的應用框架代碼進行嵌入式整合。通過這種方式，在代碼生成的時刻，這些預業(yè)務組件的訪問代碼，以及企業(yè)特有的應用框架代碼進行嵌入式整合。通過這種方式，在代碼生成的時刻，這些預嵌入的代碼片段會被智能召回并加以利用，確保生成的代碼能夠更好地遵循企業(yè)的架構(gòu)于企業(yè)的軟件開發(fā)流程。從前沿技術向?qū)嶋H生產(chǎn)力的轉(zhuǎn)變。技術框架，識別并適應企業(yè)已有的技術棧和業(yè)務規(guī)則，從而提供更加精準和實用的代碼支持，幫助企業(yè)維護一致性的代碼標準，降低錯誤率，增強企業(yè)軟件開發(fā)工程的可靠性項目效果這意味著DevPilot成為了一個能夠為其帶來切實利益的解決方案，它可以推動企業(yè)自身的數(shù)字化轉(zhuǎn)型過程，提升市場競爭力，同時也能更好地應對不斷變化的技術挑戰(zhàn)，為未技術框架，識別并適應企業(yè)已有的技術棧和業(yè)務規(guī)則，從而提供更加精準和實用的代碼支持，幫助企業(yè)維護一致性的代碼標準，降低錯誤率，增強企業(yè)軟件開發(fā)工程的可靠性項目效果DevPilot顯著提升開發(fā)效率與產(chǎn)品質(zhì)量，優(yōu)化團隊協(xié)作，加速市場響應研發(fā)團隊整體研發(fā)速度提升20%15%AI代碼生成在整體項目的貢獻度DevPilot在軟件項目開發(fā)過程中實現(xiàn)難點、痛點的解決編碼效率重復性任務多，導致開發(fā)周期延長代碼質(zhì)量代碼質(zhì)量參差不齊，難以保證產(chǎn)品穩(wěn)定性和可維護性團隊協(xié)作團隊協(xié)作中溝通成本高，版本控制復雜，影響項目進度數(shù)據(jù)來源:眾安,甲子光年智庫整理,2024.10重點廠商產(chǎn)品及服務能力分析——aiXcoderNxcoderaiXcoder孵化自北京大學軟件工程研究所，創(chuàng)始團隊均來自北京大學，是全球最早將深度學習技術應用于代碼生成與代碼理解領域的團隊，也是最早將深度學習應用在編程產(chǎn)品的團隊。NxcoderaiXcoder孵化自北京大學軟件工程研究所，創(chuàng)始團隊均來自北京大學，是全球最早將深度學習技術應用于代碼生成與代碼理解領域的團隊，也是最早將深度學習應用在編程產(chǎn)品的團隊。公司專注于AIGCforCode領域，致力于將前沿人工智能技術應用于軟件工程，聚焦代碼大模型的私有化落地和應用，與企業(yè)領域知識融合，助力企業(yè)aiXcoder為企業(yè)提供完備的基于代碼大模型的智能化軟件開發(fā)解決方案，包含私有化部署、企業(yè)個性化代碼大模型及定制化開發(fā)等服務軍工、航空航天、通信、高科技等行業(yè)頭部企業(yè)部署實施，成功實現(xiàn)了代碼大模型的多場景應持續(xù)深耕AIGCforCode，多次版本不斷迭代，持續(xù)深耕AIGCforCode，多次版本不斷迭代，國內(nèi)首個支持方法級代碼生成的百億級參數(shù)量代碼大模型（13B參數(shù)量）7B模型性能達到百億級參數(shù)量代碼大模型SOTA，降低使用門檻易部署實現(xiàn)在線版代碼智能補全與搜索*以上版本為部分版本說明?aiXcoder于2018年開始深耕國內(nèi)首個支持方法級代碼生成的百億級參數(shù)量代碼大模型（13B參數(shù)量）7B模型性能達到百億級參數(shù)量代碼大模型SOTA，降低使用門檻易部署實現(xiàn)在線版代碼智能補全與搜索*以上版本為部分版本說明?aiXcoder于2018年開始深耕AIGCforCode領域，2023年已獲得A+輪融資?2024年同時發(fā)布智能化軟件研發(fā)一體機，基于Agent的aiXcoder智能化軟件開發(fā)系統(tǒng)2.0。團隊在國際頂級期刊和會議累計發(fā)表論文100余篇，其中多篇是智能化軟并且通過中國信息通信研究院可信AI智能編碼工具首輪評估。在智能編碼、代碼質(zhì)量檢查等維度的177項能力評估中表現(xiàn)優(yōu)秀，榮獲4+級最高級別，成為國內(nèi)首批通過該項評估的企業(yè)之一。緊密結(jié)合具體業(yè)務，持續(xù)深入各垂直細分領域統(tǒng)aiXcoder將技術轉(zhuǎn)化為實際應用落地，讓代碼大模型在智能編程領域廣泛實用，為此，aiX推出個人/企業(yè)訂閱模式、私有化解決方案、深度咨詢服務三種商業(yè)模式，aiXcoder將技術轉(zhuǎn)化為實際應用落地，讓代碼大模型在智能編程領域廣泛實用，為此，aiX推出個人/企業(yè)訂閱模式、私有化解決方案、深度咨詢服務三種商業(yè)模式，更貼合實際軟件開發(fā)任數(shù)據(jù)來源數(shù)據(jù)來源關鍵技術點重點廠商產(chǎn)品及服務能力分析——aiXcoder關鍵技術點aiXcoder主要通過大模型、Agent技術與軟件工具相結(jié)合的方式，實現(xiàn)軟件開發(fā)全流程的智能化開發(fā)輔助，提升開發(fā)效率和代碼質(zhì)量。同時通過大模型微調(diào)、領域知識庫、RAG等技術，解決企業(yè)領域化知識與大模型相融合的問題，為每個企業(yè)打造專屬軟件工程大模型。?通過敏感信息去除、刪除無效代碼、自動生成代碼去除等多重篩選，剔除163種Bug和197種常見代碼缺陷。?注入正確編程知識，行成獨有的高質(zhì)量訓練數(shù)據(jù)集。?結(jié)合程序語言特性，aiXcoder在模型訓練時融入代碼抽象語法樹結(jié)構(gòu)信息，增強模型對語義和邏輯的理解能力?采用結(jié)構(gòu)化Span方式，使生成的代碼更準確，更符合代碼結(jié)構(gòu)。?同時采用了FIM（FillIntheMiddle）和跨文件的訓練方式，更貼?通過敏感信息去除、刪除無效代碼、自動生成代碼去除等多重篩選，剔除163種Bug和197種常見代碼缺陷。?注入正確編程知識，行成獨有的高質(zhì)量訓練數(shù)據(jù)集。?結(jié)合程序語言特性，aiXcoder在模型訓練時融入代碼抽象語法樹結(jié)構(gòu)信息，增強模型對語義和邏輯的理解能力?采用結(jié)構(gòu)化Span方式，使生成的代碼更準確，更符合代碼結(jié)構(gòu)。?同時采用了FIM（FillIntheMiddle）和跨文件的訓練方式，更貼近真實開發(fā)場景。結(jié)合軟件工程工具，構(gòu)建高質(zhì)量訓練數(shù)據(jù)結(jié)合代碼結(jié)構(gòu)化特征的訓練方法通過個性化訓練，aiXcoder可幫助企業(yè)實現(xiàn)更高質(zhì)量的代碼生成以及研發(fā)全流程的能力提升。經(jīng)過個性化訓練的模型可以學習到行業(yè)或企業(yè)內(nèi)部的代碼邏輯、代碼風格和業(yè)務知識等領域知識，提高代碼生成的準確率。根據(jù)企業(yè)已有代碼和文檔、計算資源，提供定制化解決方案在保證主模型效果的情況下進行增量訓練，大大降低過擬合風險自動化構(gòu)建企業(yè)專屬評測集?支持、適配生成式AI技術與大語言模型的應用發(fā)展，基于大模型的智能化軟件開發(fā)具有行業(yè)領域知識缺乏、軟件開發(fā)專業(yè)技能欠缺、復雜問題難以處理、無法進行多角色協(xié)作等局限性。?基于Agent的智能化軟件開發(fā)系統(tǒng)，通過大模型與軟件工具的調(diào)用相結(jié)合，調(diào)用外掛知識，以多角色扮演的方式，實現(xiàn)項目級代碼生成、項目研發(fā)問答、issue自動處理等更復雜的真實軟件開發(fā)任務。?在基于大模型的Agent框架中，開發(fā)者與大模型圍繞更復雜的項目級代碼生成展開持續(xù)互動和工具調(diào)用，人機協(xié)同，推動軟件產(chǎn)品的快速迭代與持續(xù)優(yōu)化。四結(jié)合代碼結(jié)構(gòu)化特征和軟件工程的方法與工具，從訓練數(shù)據(jù)處理、訓練任務構(gòu)造再到模型結(jié)構(gòu)優(yōu)化等方面，強化大語言在基座代碼大模型基礎上，通過指令微調(diào)，讓大模型具有更通過大模型與軟件工具的調(diào)用相結(jié)合，調(diào)用外掛知issue自動處理等更復雜的真實軟件開發(fā)結(jié)合企業(yè)領域知識，對代碼大模型進行個性化訓練和微調(diào)，幫助企業(yè)實現(xiàn)更高質(zhì)量的代碼生成以及研發(fā)全流程的能力提 提供定制化數(shù)據(jù)治理工具 涵蓋模型預訓練、微調(diào)、RAG、Agent等技術的一整套解決方案 數(shù)據(jù)來源aixcoder整理,2024.10重點廠商產(chǎn)品及服務能力分析——aiXcoder航天某研究所r面向產(chǎn)業(yè)、金融、政府公共等領域客戶，提供咨詢、軟件開發(fā)、運行維護、云基礎設施等一站式服務及行業(yè)、業(yè)務和技術解決方案。航天某研究所r面向產(chǎn)業(yè)、金融、政府公共等領域客戶，提供咨詢、軟件開發(fā)、運行維護、云基礎設施等一站式服務及行業(yè)、業(yè)務和技術解決方案。航天某研究所和aiXcoder團隊依托共同設計并設施該產(chǎn)品可基于規(guī)則解析并結(jié)合領域知識將數(shù)學公式和邏輯表達等內(nèi)容智能生成代碼；并在此基礎上，通過大模型進一步提升工具的泛化能力和生成能力，并對生成的航天某研究所和aiXcoder團隊依托共同設計并設施該產(chǎn)品可基于規(guī)則解析并結(jié)合領域知識將數(shù)學公式和邏輯表達等內(nèi)容智能生成代碼；并在此基礎上，通過大模型進一步提升工具的泛化能力和生成能力，并對生成的代碼進行優(yōu)化，高度確保生成代碼的正確性和可靠性某國有證券企業(yè)某國有證券企業(yè)采用aiXcoder的大模型解決方案，即將這種選擇確保了即使在常規(guī)的算力支持下，也能夠滿足公司日常的編碼需求，避免了因硬件門檻過高而帶來的挑戰(zhàn)。同時為企業(yè)的數(shù)據(jù)安全和合規(guī)要求提供了充分保該企業(yè)采用個性化訓練的智能編程模型，公司采用個性化訓練。在確保成本效益的基礎上，進一步提升公司代碼大模型的推理能力，生成與業(yè)務邏輯和公司規(guī)范更為匹配的代碼，助力提高其研發(fā)團隊效率。智能化軟件開發(fā)面臨諸多難點，需要通過多方努力，才能推動智能化智能化軟件開發(fā)面臨諸多難點，需要通過多方努力，才能推動智能化數(shù)據(jù)隱私與安全算法可解釋高性能計算資源人才短缺系統(tǒng)集成兼容性用戶接受度搭建思路AI測試助手AI編碼助手AI知識助手項目效果AI安全助手基于自研模型工具鏈，“信華信軟件工程大模型”支持企業(yè)引入行業(yè)數(shù)據(jù)，進行領域微調(diào)，為企業(yè)構(gòu)建符合自身需求的軟件工程大模型。目前信華信軟件工程大模型已在應急領域?qū)崿F(xiàn)共創(chuàng)應用，帶動該領域軟件實踐項目缺陷數(shù)量降低33.35%，通用業(yè)務邏輯代碼采納率平均47%，開發(fā)效率提升8.38%。項目難點數(shù)據(jù)隱私與安全算法可解釋高性能計算資源人才短缺系統(tǒng)集成兼容性用戶接受度搭建思路AI測試助手AI編碼助手AI知識助手項目效果AI安全助手基于自研模型工具鏈，“信華信軟件工程大模型”支持企業(yè)引入行業(yè)數(shù)據(jù)，進行領域微調(diào)，為企業(yè)構(gòu)建符合自身需求的軟件工程大模型。目前信華信軟件工程大模型已在應急領域?qū)崿F(xiàn)共創(chuàng)應用，帶動該領域軟件實踐項目缺陷數(shù)量降低33.35%，通用業(yè)務邏輯代碼采納率平均47%，開發(fā)效率提升8.38%。技術標準缺乏技術標準缺乏開發(fā)成本高開發(fā)成本高認知及倫理影響認知及倫理影響AI設計助手32數(shù)據(jù)來源:aixcoder,甲子光年智庫整理,2024.1032海外AI代碼開發(fā)平臺/產(chǎn)品分布圖譜海外AI代碼平臺圖譜V1.0簡化工程工作流程簡化工程工作流程重構(gòu)工作流?GitHubcopilot代碼生成Writingcode?GitHubcopilot代碼生成WritingcodeTestingcode單元測試代碼審查代碼運維?GitHubcopilotWorkflows?GitHubcopilotAIAgents特定類型的任務或領域定制的模型層特定類型的任務或領域定制的模型層33 33國外重點廠商產(chǎn)品及服務能力分析——Cursor產(chǎn)品簡介：Cursor是由Anysphere開發(fā)的革命性AI驅(qū)動集成開發(fā)環(huán)境（IDE），它通過集成AI工具實時協(xié)助開發(fā)人員，旨創(chuàng)新性。自2023年初發(fā)布以來，Cursor始終致力于通過產(chǎn)品簡介：Cursor是由Anysphere開發(fā)的革命性AI驅(qū)動集成開發(fā)環(huán)境（IDE），它通過集成AI工具實時協(xié)助開發(fā)人員，旨創(chuàng)新性。自2023年初發(fā)布以來，Cursor始終致力于通過Anysphere是一家AI應用研究開發(fā)商，專注于高效人機交互系統(tǒng)和“AI原生”軟件開發(fā)環(huán)境的構(gòu)建，提供人工智能和機器學習研究。其目標是通過有關機器學習、系統(tǒng)和產(chǎn)品設計的基礎工作,來加快軟件工程的速度。聯(lián)合創(chuàng)始人兼首席執(zhí)行官MichaelTruell設想了一個未來：開發(fā)人員可以以前所未有的速度構(gòu)建軟件。聯(lián)合創(chuàng)始人SualehAsif、ArvidLunnemark和Anysphere認為，通過結(jié)合人工智能和人類的智慧Anysphere是一家AI應用研究開發(fā)商，專注于高效人機交互系統(tǒng)和“AI原生”軟件開發(fā)環(huán)境的構(gòu)建，提供人工智能和機器學習研究。其目標是通過有關機器學習、系統(tǒng)和產(chǎn)品設計的基礎工作,來加快軟件工程的速度。聯(lián)合創(chuàng)始人兼首席執(zhí)行官MichaelTruell設想了一個未來：開發(fā)人員可以以前所未有的速度構(gòu)建軟件。聯(lián)合創(chuàng)始人SualehAsif、ArvidLunnemark和Anysphere認為，通過結(jié)合人工智能和人類的智慧，可以創(chuàng)造出比最好的純?nèi)斯ぶ遣⑶也粫霈F(xiàn)低熵擊鍵（無效或不必要的按鍵操作）。公司及團隊簡介：AmanSanger也擁有同樣的愿景。融資歷程融資金額商業(yè)模式——“免費增值”模式融資金額6000萬美元訂閱創(chuàng)收：高級功能每月付費訂閱，價格40美元6000萬美元A輪AndreessenHorowitzA輪AndreessenHorowitz、Thrivecapital領投，PatrickColli800萬美元40萬美元天使輪OpenAI等多家科技公司得到應用，通過與其他平臺和工具的兼容性，和實用性800萬美元40萬美元天使輪,時間,時間34整理,2024.1034國外重點廠商產(chǎn)品及服務能力分析——Cursor（產(chǎn)品特點1/2）Cursor的主要特點：基于VisualStudioC