《中国⼯商银⾏软件开发中⼼：2024工商银行智能研发技术及应用白皮书（18页）.pdf》由会员分享，可在线阅读，更多相关《中国⼯商银⾏软件开发中⼼：2024工商银行智能研发技术及应用白皮书（18页）.pdf（18页珍藏版）》请在三个皮匠报告上搜索。

1、 版权说明?白皮书 工商银行智能研发技术及应用 中国商银软件开发中?2024 年 10?版权说明?版权说明 本书版权属于中国商银软件开发中，并受法律保护。转载、摘编或利其它式使本书字或者观点的，应注明“来源:中国商银软件开发中”。违反上述声明者，我们将追究其相关法律责任。?1 录?录 第章?概述?.?2?第章?智能研发发展现状?.?3?()?基本情况介绍?.?3?()?重点作及成果?.?5?第三章?智能研发应案例?.?11?()?智能研发助助信贷国产化转型代码调优案例?.?11?()?智能研发助助资产管理应新代外包转型项?.?12?(三)?智能研发助助合作共享服务退汇消息重构?.?13?(四)

2、?智能研发助助北京分 Pro*C 转 Python?.?14?第四章?总结与展望?.?15?2 第章?概述?第章 概述 为深落实中央融作会议关于做好“数字融”等五篇章的作要求，推动成式智能在软件研发领域的创新应，商银组建AI4SE（即 AI for Sofware Engineering，智能化软件程）专项作团队，通过“趋势跟踪+实施落地+变管理”的迭代推进机制，实时追踪和动态分析判研业界智能研发现状和发展趋势，加快智能研发助能和配套研发管理机制建设，在智能编码实践取得阶段成效，截前，商银已全推智能编码，实现 AI 成的代码占达 32%。?3 第章?智能研发发展现状?第章 智能研发发展现状()

3、?基本情况介绍 为解决软件研发领域普遍存在的研发效率低、代码缺陷多、运维成本等难题，同时满内研发质效提升的迫切需求，商银以增强编码环节辅助能、拓宽研发全流程赋能场景为标，建设并发布了智能研发助。能规划，形成智能研发能地图，以成效为导向进资源投。对研发全流程进拆解分析，形成 11 个研发能域 36 项能场景，并结合业界智能研发现状及能成效评估，将能项划分为变类和探索类。重点推动变类能建设，快速实现能的试点与推，产变性成效；适当投放资源进探索类能研究，保持业界先进性。图 1 智能研发能地图 图 1 智能研发能地图 具体实施，打造分层解耦智能研发落地框架及配套平台体系，撑 4 第章?智能研发发展现状

4、?各场景能建设与升级。底层提供多样化资产库建设、模型调优等能，有效解决模型幻觉，提升模型推理能；上层提供场景接层，撑各研发团队具体场景快速接。前，已基于该框架完成代码补全、单元测试成、智能研发问答等编码阶段辅助能的提升，以及 CodeReview 辅助、智能运维、智能详细设计、测试案例成等研发全流程辅助能建设。图 2 智能研发技术架构 图 2 智能研发技术架构 配套机制，开展对国内外及融同业研发管理现状及发展趋势调研，积极参与由信通院成的中国智能产业发展联盟 AI4SE 作组，并建适配内的智能研发配套机制。在具体实施过程中，通过组建专项作团队、加速研发队伍转型、调整研发流程制度三项措施，推动研

5、发组织、规范、流程等研发产关系的调整，持续迭代完善智能研发管理模式。截前，商银已落地 27 项智能研发辅助能，其中 8 项智能编码相关能已在全推使，覆盖 7000+名开发员，实现单位时间内有?5 第章?智能研发发展现状?效代码量提升 22.9%，自动代码缺陷检出率超 40%，月均减少资料检索耗时约 1W+小时；剩余 19 项研发全流程辅助能力已建成并在各研发部门试点推进过程中。()?重点作及成果 1推进智能研发建设 软件开发中组建 AI4SE（即 AI for Sofware Engineering，智能化软件程）专项作团队，加由信通院成的中国智能产业发展联盟AI4SE 作组，从前瞻性研究、智

6、能研发场景建设和运营等向，推动智能在软件研发领域应，围绕编码质效提升、研发全流程赋能、AI 主导智能研发三向加速推进智能研发助能建设。(1)提升编码效率和质量：基于内代码开展模型训练和RAG检索增强，利 IDE 插件实现项程语法分析、跨件感知、上下感知、单测框架动识别、相似单测案例检索等技术，实现代码补全、单测成、研发问答、CodeReview、代码安全检测等能，提升编码质效。(2)拓展研发全流程赋能：从单编码环节拓展需求、设计、测试、运维等研发全流程，与内研发平台打通，推进详细设计成、例代码成、测试例成、测试脚本成、版本险点成等场景落地。(3)加快智能体技术实践：推进以 AI 为主导的智能研

7、发模式建设，加快 6 第章?智能研发发展现状?智能体技术落地，当前已实现需求、设计等领域的单智能体。图 3 智能研发三向 图 3 智能研发三向 2加快智能研发应 在智能研发全流程建设，软件开发中通过对研发全领域梳理，将研发阶段拆解细化，推进智能研发助 36 项场景能建设，聚焦智能编码辅助领域，通过评审积累内优质代码件，开展模型微调训练，优化 IDE 插件 Java 语法分析能等式，推动 AI 辅助代码成占从 22%提升 32%；通过提升单测跨件感知能、项单测框架识别、检索相似单测案例等式，推动应平均单元测试覆盖率约 60%；智能代码复核，将模型代码检查能集成 Gerrit 代码复核平台，从程序

8、结构、异常处理、性能容量等列出代码问题点，帮助代码复核发现代码质量问题，推动智能代码问题检出率约 40%。?7 第章?智能研发发展现状?图 4 智能代码复核例 图 4 智能代码复核例 3规范智能研发资产 为提升模型特能，软件开发中调研国内外及融同业现状与发展趋势，动态对标调整配套研发机制，组建近 4 百规模的级代码审核团队，依托代码审核提升流程，规模化推进代码语料建设，打造数字资产管理平台，持维护 RAG 知识库语料、微调测评案例等资产，由开发员提交级代码审核完成审批库。当前已评审积累近百万优秀融代码资产，收集常问题排查册、专有名词对照表、公共构件使说明等约 5 百份应档，迭代推进模型微调，提

9、升智能问答和代码补全等能效果。为规范智能研发流程，总结专业能经验并持续赋能线开发员，软件开发中总结智能研发使、数据资产测评、模型技术调优、智能研发运营 4 领域规范指引，编制优质数字资产管理平台使等 9 份指导 8 第章?智能研发发展现状?册，挖掘种近百，组建智能研发运营推团队，开展智能研发专题实战培训，提升智能研发助周活跃数达 80%以上，引导开发员掌握与模型交互的语表达和逻辑思维能，使 AI 辅助具完成重复和繁琐的研发作内容，将更多时间精投到复杂、有创造性的研发作中，深化“机协同”研发模式。图 5 数字资产管理平台 图 5 数字资产管理平台 4构建模型测评体系 为保障模型微调效果，软件开发

10、中对标业内代码成模型评估指标及数据集构造法，打造动化测评平台，聚焦智能研发 5 能建私有化测评集，当前已开展 16 轮模型测评，实施近 6 千余次业务和技?9 第章?智能研发发展现状?术案例测评。建设模型基础能测评、模型研发能测评、试点效果测评三层体系，实现模型逐级准；针对真实研发场景，开展灰度发布模型版本试点评估，通过埋点数据形成试点运营指标，在完成测评后快速迭代发布模型版本，缓解常规模型测评投且耗时的痛点问题。图 6 模型测评体系 图 6 模型测评体系 图 7 模型版本发布机制 图 7 模型版本发布机制 10 第章?智能研发发展现状?5积极参与业标准建设 为加速智能开发能建设，促进 AI4

11、SE 业稳步有序发展，中国信通院与商银联合牵头，共四余家头部企业共同编制发布 智能化软件程技术和应要求 第 1 部分：代码模型、智能化软件程技术和应要求 第 2 部分：智能开发能标准，聚焦智能开发能定义统，向智能开发具商和应提供可参考的技术选型和验收标准。当前软件开发中已公开 13 项研发模型应相关发明专利，包括“可提升检测精度的代码检测法、装置、电设备及介质”、“代码模型的测评法、装置、计算机设备和存储介质”、“基于优化知识库的语模型智能问答单处理法及装置”等，为开展业务领域级模型微调和代码模型测评等作提供技术参考思路。图 8 代码模型标准 图 8 代码模型标准?11 第三章?智能研发应案例

12、?第三章 智能研发应案例()?智能研发助助信贷国产化转型代码调优案例 信贷业务在国产化转型过程中，涉及量的 Oracle PL/SQL 存过代码，在针对存量的 PL/SQL 存过代码进 java 转型的过程中，开发员使智能研发助的代码解释、代码成以及单元测试成能进辅助开发，有效提升了转型改造的效率以及代码质量。是在设计阶段，个贷架构转型需要分析存量的存过代码逻辑，再基于领域驱动设计法进重新设计，因此存过的代码逻辑分析直是作量较的难点。尝试使模型的代码解释功能，降低分析作量。针对些中等难度的存过逻辑，模型给出的逻辑解释的精确度能达到 80%以上。是在编码阶段，尝试通过模型的代码成的功能，完成简单

13、的增、删、改、查代码编写。按照领域驱动设计模式，业务通过组装实体能、外部接实现业务逻辑。基于多轮交互提供给模型外部实体及接信息，模型可成有效代码占约 60%的程序逻辑。12 第三章?智能研发应案例?()?智能研发助助资产管理应新代外包转型项 在新代外包转型项中，对于账、份额交易等场景，涉及到多达 60+数据库表的增删改查，其中较多表的字段数量超 100+。开发员基于表字段编写实体类存在较作量。通过在智能问题窗中输“根据下的表格成java实体类”解决了开发对于数据库增删改查时动编写实体类的痛苦，助开发作量减少约 50%。图 9 基于表结构成实体类 图 9 基于表结构成实体类 同时，对于账、份额交

14、易等场景，涉及表结构数据、字段多，建表语句编写及测阶段造数相当耗时。通过在智能研发助的智能问答输框中输“基于下表结构成建表语句”以及“基于以下表结构造多条数据”，解决了建表语句编写及测时造数的烦恼，通过智能造数能，缩减?13 第三章?智能研发应案例?了开发员约 30%的测作量。图 10 智能造数 图 10 智能造数 (三)?智能研发助助合作共享服务退汇消息重构 合作共享服务 kafka 消息推送从对账中迁移付中，在代码迁移过程中，发现存量代码针对不同的 topic 消息，进了量相同的 get 和set 操作，且使了量的 if 和 elseif 判断逻辑，不符合开闭原则，不利于后续代码的扩展。这

15、块核代码必须重构。通过智能研发助的代码诊断功能成优化代码案例时，调整了主题流程结构。根据例，我们通过对业务逻辑的理解，将这分为 kafka消息解析、kafka 消息处理、kafka 消息返回 3 个模块，重构后通过 3 个法处理各模块的功能，主流程清晰明了，提了代码的可读性、可维护性和可扩展性。14 第三章?智能研发应案例?图 11 代码重构 图 11 代码重构(四)?智能研发助助北京分 Pro*C 转 Python 在信创转型背景下，北京分开展了 Pro*C 转 Python 代码改造，由于Pro*C 技术栈较，利智能研发助的“解释代码”功能，快速了解代码所实现的功能，弥补开发员对过时语不熟

16、悉的劣势，避免存量代码理解错误。同时通过对话框交互式“成代码”能，获得整体的代码流程框架，针对内部实现再次使进逐个功能的修改和确认，在降低技术槛的同时幅提升了开发效率。通过统计分析作量，利模型智能分析和成后，开发作量减少约 50%，完成后还可以智能成单元测试，进步保证代码质量。15 第四章?总结与展望?图 12 代码转换 图 12 代码转换 第四章 总结与展望 后续，商银将加快成式智能在软件研发全流程的创新应，深化 AI 研发变成效，推动需求、设计、运维等研发环节开展 AI 适配建设及推，优化智能研发模式并调优组织结构，持续打磨积累优质数字资产，完善业智能研发规范标准，形成标杆模范的融业智能研发产业联盟，通过智能技术构建研发新质产，持续提升端到端研发效能。16?第四章?未来展望?