张立理-大模型技术重塑智能研发新范.pdf

《张立理-大模型技术重塑智能研发新范.pdf》由会员分享，可在线阅读，更多相关《张立理-大模型技术重塑智能研发新范.pdf（40页珍藏版）》请在三个皮匠报告上搜索。

1、演讲嘉宾：张立理1研发工具的发展2企业落地经验3开发者实践4总结与展望1第一章节智能化的发展背景与落地诉求智能化的发展背景与落地诉求随着大模型的快速发展，智能开发领域正在经历由辅助到协同、由补全到生成、由代码到工程的进化由补全到生成体量能力效果职责交互Go FatGo Fat：更大规模的代码补全更大规模的代码补全代码续写（Completion）是智能开发工具最典型的能力，在编码过程中辅助用户，通过自动补全的形式提高编码效率。随着大模型的进步，理解能力与代码能力不断提升，当前大模型能够承担的工已不再局限于代码的补全，已经可以完成高质量的、更大规模的代码的生成。Go FatGo Fat：更大规模的

2、代码补全更大规模的代码补全在代码编辑区，生成更大的块级、方法级的代码，使得编码效率成倍地提高Go FatGo Fat：更大规模的代码补全更大规模的代码补全通常来说，推荐更多行的代码会导致准确率的下降，超过阈值时会反向影响开发效率将产品与模型结合，通过编程现场、用户操作的精确控制，依然可以打造高质量的多行推荐触发时机推理逻辑结束位置检查质量0%10%20%30%40%50%60%70%JavaGoPythonJavaScript41%Be RichBe Rich：丰富的生成能力丰富的生成能力代码调优等能力可以有效帮助开发者提升代码质量，使重构变得简单轻松Be RichBe Rich：丰富的生成能

3、力丰富的生成能力代码调优等能力可以有效帮助开发者提升代码质量，使重构变得简单轻松Be RichBe Rich：丰富的生成能力丰富的生成能力沉淀专家知识，通过函数提取、hook提取、组件提取进行大组件拆分Seek DeepSeek Deep：更深度地了解全库：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 TrustCreate By Trust：值得信赖的工作值得信赖的工作在代码Debug的场景，模型具备比人更丰富的知识，配合一步到位的代码修改、采纳，开发者可以将错误修复交给模型交信任其修复结果At Your HandAt Your Hand：更

4、贴合现场的交互更贴合现场的交互利用Inline Chat等形式，开发者可以保持聚焦在代码编辑区的同时，使用丰富的对话、生成能力2第二章节在企业中踏实落地开发智能化在企业中踏实落地开发智能化由于模型对代码场景的特殊优化、开发者更容易接受先进理念、开发效率可量化等原因，智能开发是大模型实际落地最容易出结果的场景感知存在效果信心感知存在：融合感知存在：融合DevopsDevops必经链路必经链路对一个新事物的接受程序是在不断地接触之下提高的，不要害怕将能力展现在开发者面前Devops相关的平台是开发者从需求到发布必经之路，在他的工作上必不可少，因此也是很好地呈现能力的空间需求编写需求查询需求文档查阅

5、代码评审代码理解开发测试生成用例裁剪测试错误修复风险检测构建发布配置日志分析部署在Devops全链路上透出智能化的能力，打造惊喜感、助力效率提升，增强接受度感知存在：融合感知存在：融合DevopsDevops必经链路必经链路在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%+感知存在：融合感知存在：融合DevopsDevops必经链路必经链路CI/CD流水线提供智能错误分析与修复能力，作为辅助提升开发者接受度效果信心：利用效果信心：利用CICDCICD确保效果确保效果Code AnalyzeCode GenerationTest RunnerCase ManagerReduce

6、GenerateDepsSourceRunReportTranslateFixCoverageStoreAmendDeleteExpand基于多环节、工程结合的UT Agent，能够生成准确、高覆盖率的单元测试效果信心：利用CICD确保效果函数功能圈复杂度Ernie SpeedGPT 3.5 TurboGPT4复杂的时间段格式化485.71%50%100%Git Diff与Unidiff的转换2100%100%100%根据参数类型做不同处理1790.9%50%50%带TTL的异步请求缓存383.33%80%未成功实验室生成效果生成正确率100%行覆盖率3