AICon北京2025-叔同-脱敏版.pdf

1、从 Copilot 到 AgentAI 编程的范式革新演讲人：丁宇（叔同）AI Coding 是AI 应用的核心场景正在用 AI Coding61.80%计划使用13.80%没有打算24.40%AI Coding 已经成为软件研发的必选项AI编程助手对中国开发者覆盖率在30%，中国市场有极大发展空间来源：IDC发布的一季度中国市场代码生成产品评估91%30%美国中国AI编程工具使用占比全球开发者AI编程工具使用率数据来源：StackOverflow使用AI编程工具的开发者平均生产力提高35%，其中20%的开发者效率提升超50%任务复杂度环境信息复杂度低高高研发问答代码补全编码任务需求实现SDL

2、C模型能力进步促进AI Coding 产品演进应用场景在扩大，产品边界在延伸模型发展带来产品更多可能性复杂问题处理93.8ArenaHard编程能力70.7LiveCodeBench任务准确率61.8Aiderpass2上下文窗口128k场景覆盖：从Copilot 到Agent 自主编程代码补全知识检索代码解释缺陷修复原型生成错误排查单元测试任务规划架构升级代码评审优化建议代码重构代码片段生成人工触发同步互动面向代码语言实时伴随基于任务描述的多文件处理自主执行多轮迭代面向自然语言异步任务需求实现功能验证辅助开发 CopilotAgent 自主执行开发者的工作重心迁移将更多精力投入到整体设计、需

3、求澄清及结果验收，缩短技术实现周期，加速业务迭代循环技术平权，拉高开发者能力基线，初级程序员也具备中级程序员的生产力和技能，但必须要能驾驭AI 工具需求承接技术实现结果验收技术实现需求承接结果验收构建和改进研发工具链，从人类友好到 AI 友好，易于被 AI 工具调用建立企业 AI 编程技巧、规则模板等最佳实践，常态化分享培训，拉齐员工能力水位使用文档来记录全局设计和历史积累，及时更新文档，构建企业知识库，形成经验记忆数据度量，对于代码采纳率、代码替代率、需求吞吐率进行度量，建立正反馈激励机制建立落地的场景路径，先从前端、单测等简单场景，逐步过渡到核心复杂场景从程序员熟悉的工具切入，避免切换日常

4、开发环境，降低工具替换成本企业落地AI Coding 最佳实践通义灵码的演进阶段通义灵码 Next通义灵码 1.0通义灵码2.5人类AI人：技术设计、提示和确认辅助编码代码自主编程人类AI人：创意、需求澄清、结果验收需求协同编程人：任务澄清、干预、结果审查任务人类AI通义灵码的产品形态插件IDE云端轻量化、非侵入生态兼容性覆盖更多端快速规模化1获得更多的环境信息操作更多的工具交互体验的创新2无限资源、无限时间异步化、多任务并行获得更多的远程信息3编码时行级/函数级实时续写，编码效率高毫秒级的生成速度用户键入和生成时机针对性优化，不等待不打扰恰到好处的生成时机根据语法、代码上下文环境智能识别生成

5、长度恰如其分的生成长度支持跨文件上下文感知，生成代码更贴合库上下文贴合代码库的业务场景通义灵码的能力优势端到端优化是实现优质效果的最短路径本地服务代码分析会话管理上下文感知代码后处理向量检索执行引擎服务端提示词工程模型路由检索增强意图识别缓存管理安全管控模型代码补全模型研发问答模型企业专属模型智能体模型多模态模型Apply模型IDE 插件Lingma IDE毫秒级的生成速度：丰富的模型组合、分级缓存恰到好处的生成时机：大量 A/B测试及自适应的触发策略恰如其分的生成长度：基于语义理解的自适应生成粒度决策贴合代码库的业务场景：本地检索增强及工程感知为不同场景选择不同的模型 70%20%代码补全的

6、请求量知识问答的请求量全尺寸、全模态、多场景的Qwen 模型能力，满足 AI Coding 的场景需要代码补全专项任务长程任务知识问答低时延高时延低频（高成本）高频（低成本）ChatAgentic9%专项任务+长程任务请求在时延、吞吐、成本、质量上取得平衡，质量优先1.减少请求：尽可能限制完成任务的必要请求数；增加缓存2.最小化Tokens：降低输入的 Tokens 数，优化模型输出的 Tokens 数量；控制上下文长度3.选择更优质的模型：在保持准确率和效果的情况下，平衡模型的成本和时延模型调用的优化策略优化策略减少请求最小化Tokens更优质的模型Qwen3-8B预训练数据量提升2倍，达到