当前位置:首页 > 报告详情

A2--任晶磊--从 AI 赋能到赋能 AI:“ICPC”时刻之后你最应关注的转型指标.pdf

上传人: B**** 编号:963826 2025-11-02 31页 4.24MB

1、任晶磊思码逸创始人兼 CEO思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能任任晶晶磊磊思码逸创始人兼 CEO 清华大学计算机系博士;前微软研究院研究员,斯坦福大学访问学者 多篇论文发表在 FSE、OSDI 等顶级国际会议上 曾参与微软下一代服务器系统架构设计,获 4 项美国发明专利 软件研发效能度量规范标准核心起草专家 参与编著软件研发效能权威指南软件研发效能提升实践 研发大数据平台 Apache DevLake 开源项目发起人思码

2、逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能目目录录CONTENTS软件开发本质的改变0102 研发团队如何推动转型研发赋能 AI 的切入点03如何度量 AI 提效04思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能P PA AR RT T 0 01 1软软件件开开发发本本质

3、质的的改改变变思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能A AI I 如如何何赋赋能能软软件件开开发发?思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能“A AI I 赋赋能能”曾曾经经正正确确的的命命题题思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研

4、发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能“赋赋能能 A AI I”今今天天正正确确的的命命题题思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能一一旦旦问问题题被被良良好好定定义义,A AI I 将将拥拥有有人人类类再再也也无无法法企企及及的的代代码码生生产产力力思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能

5、思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能未未来来软软件件工工程程中中,留留给给人人类类开开发发者者唯唯一一重重要要的的工工作作:定定义义软软件件,把把 wwe el ll l-d de ef fi in ne ed d 问问题题交交给给 A AI I思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能P PA AR RT T 0 02 2研

6、研发发团团队队如如何何推推动动转转型型思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能思码逸研发效能“渗渗透透”型型开开发发“和我共事的西方学者有一个共同特点,他们在讨论的时候没有把问题想得很清楚的习惯,但这没有阻止他们做出非常重要的工作。这一现象值得反思。”杨振宁训练学习定义 spec在 chat 中“渗透”定定义义问问题题、s sp pe ec c-d dr ri iv ve en n 并并非非易易事事思码逸研发效能思码逸研发效能思码逸研发效能

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
根据标记内容,全文主要围绕AI赋能软件开发展开,包括: 1. 软件开发本质的改变:AI将定义软件,人类开发者负责定义问题。 2. 研发团队转型:采用“渗透”型开发,将chat视为研发资产,并使用Tigs工具。 3. AI赋能切入点:应用架构转型,构建API测试智能体,如DevChat Tester。 4. AI提效度量:关键指标包括Chat覆盖率、大模型使用量、代码当量、需求交付周期等。 5. 核心数据:建议采用Claude Code + Sonnet 4.5的效率大约是Codex CLI + GPT-5的两倍。
软件定义新纪元?" Chat如何驱动开发?" 如何评估变革成果?"
客服
商务合作
小程序
服务号
折叠