徐晓强-智能化研发工具链在百度的探索与实践

百度智能化研发工具链的演进与实践

百度研发工具链的演进史

百度已沉淀全面的研发流程，通过DevOps工具支撑流程运转。工程效能的目标是保障研发快而有序，通过积累研发流程行为数据、协同1万+工程师、减少环节损耗，并提升自动化比例和工具使用体验，让工程师聚焦重要事务。研发环境经历了从多角色多环节的多端协作，到自下而上丰富开箱即用环境、自上而下治理升级，最终实现在线化、有序化、智能化的演进。编程现场的现代化通过先进技术和工具赋能，实现软件研发生产力的升级。

智能化研发工具的落地实践与思考

自动化效果显著后，百度进一步探索智能化研发工具。2017~2020年参与国家重点研发计划，研究基于编程现场大数据的软件智能开发工具。2022年尝试大语言模型加速产品落地，2023年Q2内部全面推广，80%以上工程师使用，并面向社会发布支持企业试用。核心产品Comate代码推荐工具支持代码实时续写，覆盖内部主流语言和IDE，注册企业达1万+。

产品经历了蜕变和升级：2023年Q3模型升级提升续写准确率，2023年Q1功能全面丰富，上线代码智能助手支持自然语言生成代码，覆盖研发全周期。实践验证了数据并非越多越好、模型升级不一定依赖SFT、推理速度与效果同样重要、数据驱动价值落地、开放是必须能力、改变习惯比打造工具更难等观点。产品上线一年多，植入流程和助理模式后，续写采纳量占比70%。

传统工具链如何支撑AI原生应用的演进

AI原生研发范式将改变研发过程：需求工程成为关键环节，形成两级价值交付（需求工程和代码交付），驱动方式变为idea驱动和数据驱动，角色协同边界不再固定，大模型等成为一等公民。传统工具链需通过数据+大模型为基础的研发方式，支持AI原生应用的演进。