A4--杨经纬--百度智能研发提效实践.pdf

1、百度智能研发提效实践杨经纬百度工程效能部前端研发经理杨经纬百度 工程效能部 前端研发经理10+年从业经验前端工程效能智能研发&智能编码助手用户体验开放平台目录C O N T E N T S背景AI for SE（AI赋能软件工程）智能编码助手ComateDevops全流程智能化SE for AI（AI原生基础设施建设）Comate Stack落地措施与效果思考与展望背景：智能研发的现状与趋势智能研发现状与发展趋势智能研发领域在技术上处于持续上升期，即将进入更广泛的大众视野。据Gartner声称，到2028年，75%的企业软件工程师将使用AI代码助手全球生成式AI独角兽企业估值表全球生成式AI独

2、角兽企业共22家，其中6家核心业务涵盖编程领域全球首个AI程序员Devin8岁小女孩用cursor 45分钟打造聊天机器人50+AI智能编码助手横空出世用户的过高的需求期待将转化为更加务实的落地应用。探索AI原生研发新范式探索AI原生研发新范式AI4SE-人机协同SE4AI-换道交付更多研发阶段扩展LLM能力Devops全流程智能化扩大跨阶段的能力多角色、全场景协同人机协同重构整体过程全面AI Agent加持重构研发过程关键编码提效工具：文心快码Comate自动化编码、个性化开发人员辅助丰富、精准、极速、流畅、安全、开放AI原生应用开发平台AI原生应用托管 AI原生应用测试AI原生应用监控与T

3、racePrompt工程数据工程效果评估Prompt生成、调试、发布数据采集、加工、构建人工评估自动评估研发核心环节辅助：智能编码助手人机协同：核心编码环节工具-Comate模型与工程相结合精准极 致 的 推 荐 速 度极速流畅的使用体验体验守护企业代码安全安全打造更适合用户的研发助手开放具备丰富的产品能力丰富丰富的能力矩阵准确的推荐效果：采纳率46%，喜马拉雅44%发起请求 动态延迟触发 用户行为预测预处理 基于编程现场的知识增强 精细化上下文提取模型推理 智能判断推理粒度后处理 语法正确性校验 低质内容过滤 重复性、安全性检测专属代码大模型模型训练 监督学习 强化学习数据工程 丰富的数据来

4、源 预处理 数据清洗与精标训练专属代码大模型，结合工程化解决方案，在多个环节提升推荐准确性。性能：行业领先，超越Copilot编码过程是一个连续、专注的过程，打断、等待对持续编码的工程师是负面反馈。推理速度每慢100ms，采纳率降低5%。代码续写的性能诉求相比普通文本生成更高，在保证质量的前提下，需要关注响应速度。服务端端模型全流程提升响应速度 多级缓存 非阻塞性任务并行执行 流式请求处理 执行状态显化 代理服务转直连 硬件与网络资源优化 异步计算 高性能推理加速 高效模型压缩 模型选择用户体验：集团满意度90%03体验优化闭环持续观测与优化用户反馈闭环：用户反馈闭环率85%+01建立标准用户

5、满意度体系：定期调研，及时更新评测体系单场景用量：by场景关注功能触达、点赞点踩、采纳率等业务效果体验委员会：建立体验委员会与严格的评审标准，保证能力流畅易用02场景化落地易用性：易触达、好理解、易上手确定性：生成时机稳定，中间状态显化准确性：生成效果稳定，融合业务特性与个人习惯感知层：易触达认知层：好理解行为层：易上手Just in time贴近用户习惯避免造成打扰厘清概念信息布局优化增强引导使用流畅，Step by Step交互打磨输出内容清晰易懂如何增强场景易用性安全：安全增强+安全扫描双重保障训练数据安全过滤模型现场推理网络推理内容风险监测中间人防挟持敏感数据脱敏上传代码安全供应链漏洞

6、通用漏洞机密扫描安全扫描SQL、SSRF、命令注入等漏洞Log4j2、Fastjson等漏洞AK/SK、密码、Token硬编码等问题开放性：连接企业私域与能力，典型标杆提效75%+知识增强能力增强+研发环节集成至编程现场，保持”心流”模式模型增强基于私域知识的效果增强问答助手、业务特性代码生成等大模型能力业务调优业务 Comate内置能力 编程现场信息 研发流程集成 定制化需求知识中心 私密性Code文档API 实时性 定制性数据大模型prompt效果：20+业务合作共建，准确率平均提升20%获得奖项2023 AIIA人工智能十大先锋应用案例2023年A