张立理-智能化研发在百度的落地.pdf

1、智能化研发在百度的落地张立理 百度演讲嘉宾张立理百度前端架构师百度前端架构师，百度前端CMC主席，技术组织委员会Web方向负责人。2023年起参与百度智能开发工具Comate的IDE端架构、模型提升等方面工作，对续写、生成、问答等软件开发环节的大模型应用有丰富经验目 录CONTENTS1.背景与效果2.构造优秀的智能研发助手3.智能化的进一步发展与应用4.思考、总结及展望背景与效果PART 01AI 就像 100 年前的电命，正在改变各各业 吴恩达以往的研发提效工作环境跨OS开发困难办公电脑配置低，开发体验差开发环境复杂，配置成本高环境不一致，异常难复现工作涉及多平台，切换打断严重上下游沟通频

2、繁沟通反馈周期长，不易记忆协作相似代码编写效率低重构潜在风险高可复用片段不易发现编码过程缺少流畅感编码环境在线化IDE功能集成？大模型横穿出世，各生态迅速发展节点事件2020年6月GPT3发布2021年7月GitHub Copilot发布2022年9月Whisper发布，LLM正式引入语音转文本2022年11月ChatGPT发布2023年3月GPT 3.5 Turbo发布，成本降低90%2023年3月GPT4发布，极大提升置信度能力2023年3月Auto-GPT发布，提示词工程的一次伟大演示2023年4月GitHub Copilot产品矩阵丰富，包括Docs、PR、CLI基于大模型的研发助手帮

3、你想帮你写帮你改调用、设计编码、实现检测、优化需求澄清任务分解代码解释技术问答实时续写，注释生成代码描述生成代码，生成注释接口生成代码生成单元测试代码Debug，缺陷自动修复生成测试用例，代码优化智能评审，CI错误诊断安全检查与修复，智能CLI落地效果 内部80%用户渗透46%采纳率27%代码占比落地效果 外部1W+注册企业数49%采纳率10+私有化部署合作构造优秀的智能研发助手PART 02多环节打造优秀效果模型模型训练推理框架产品研发覆盖效果强化反馈用户至上数据闭环构建强力的代码模型 模型效果依赖于训练数据质量 编码与传统文本生成形态存在差异 研发工作对生成质量以外因素有要求问题1 代码

4、高质量代码确认原始数据 GitHub、私域数据数据源清洗 Star数、维护度、活跃度内容清洗 片段长度、复杂度、外部依赖分布平衡 语言分布、知识覆盖多源数据抓取自动清洗逻辑专家评估优化问题2 编码 尾部生成尾部续写逻辑中间插（FIM）问题3 质量好 愿意等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代码补全（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 端到端响应 81.5百度小程度开发 70-90某内部函数计算框架 40-80某内部GO服务端框架 0-62.5独有多层加固，确保代码数据安全 敏感数据脱敏上传 中间人劫持防护 推理内容风险检

5、测 训练数据安全过滤模型推理现场网络基于反馈、用户优先的产品飞轮安装推荐采纳留存LLM基到漏斗模型的数据分析数据反馈至模型训练与产品设计智能化的进一步发展与应用PART 01继续深入智能化研发更智能 规模代码成 跨研发阶段影响更易用 连接三方能力 适配团队基建AutoWork 从需求到代码开发者仅需要把需求文档写好，剩下的由 AutoWork 自主思考、拆解需求并执行任务，完成代码的生成基于文心大模型思维链能力，像智能体一样思考和执行任务，听懂人的需求，顺序执行多个步骤利用RAG代码智能检索技术，将知识库信息补充到大语言模型中，大语言模型在用户提问时，检索这些知识库信息来增强其生成的回答专门为

6、编程领域设计研发了 RAG 智能代码检索技术，能够让用户从代码库中检索可能回答问题的最相关内容，从而解决 LLM的幻觉等问题AutoWork案例全库分析结构关联私域知识生成代码助理模式陪伴编程AutoWork 效果4W索引代码库1.2W周代码采纳40%+采纳率开放平台 让产品适应组织个人通过开放性，可以更好的让 Comate 来适应不同组织和个人，取得更好的智能化效果通过 Comate 插件这一使用形态，让平台能力直接触达开发人员第一工作现场无需重复建设即可快速大模型能力，无