牛万鹏-与开发者同频-百度构建人机协同新范式的实践

软件开发模式发展轨迹：从瀑布模型到敏捷、精益，再到DevOps，研发效能时期与业务复杂度呈正相关，但传统模式难以满足现代软件开发需求。
百度研效工具发展轨迹：经历了从SVN、Jenkins到iCafe、iCode、iPipe等工具的演进，逐步实现一站式、云原生的工程能力底图，但面向流程的提效方式存在滞后和开发者抗拒问题。
面向流程的研发提效窘境：技术迭代快导致流程更新滞后，开发者对敏捷、效能等理念缺乏认同，过度推广流程反而降低开发者幸福感。
智能研发助手的兴起： Github Copilot和ChatGPT的出现标志着开发者个人提效时代的到来，大模型成为开发者个人提效的“银弹”。

Baidu Comate的从无到有： Comate已成为百度内部85%以上工程师使用的智能研发助手，代码生成占比达30%，用户满意度超90%。
智能研发助手发展路径：从无助手代码续写到代码生成，再到知识增强和代码智能体，最终实现全自主开发。
整体建设思路：由模型层、知识层、框架层和能力层构成，通过代码生成、代码续写、Embedding、意图识别等技术实现人机协同。
能力层：包括编辑区代码续写、问答区知识增强和Console区错误修复等功能，帮助开发者提高效率。
知识层：通过代码类和文本类知识的增强，实现对开发者编程现场的理解，保持与开发者同频。
- 文本知识理解：通过清晰目录结构、丰富文字描述和层次化内容，提高AI学习质量。
- 代码知识理解：包括显性代码知识和隐性代码知识，通过遍历文件、依赖解析、权重计算等方式提取代码开发规则，构建知识图谱。
框架层：通过RAG和P-RAG技术实现意图识别和知识检索，并结合Agent技术进行规则组装和Prompt生成。
模型层：采用PaddlePaddle和文心大模型等，提供高性能推理优化、多平台支持和强大的语言理解能力。

如何实现和开发者同频：通过代码续写、代码解释、代码检索和代码生成等典型场景，实现对开发者编程现场的理解和辅助。
- 代码续写：基于代码开发规则和业务特征，预测并推荐需要导入的文件、类和函数。
- 代码解释：从业务角度解释代码块、函数、文件、目录和代码库，并基于调用链分析生成流程图、ER图和架构图。
- 代码检索：通过意图识别和知识增强，快速检索代码片段、Commit Message和元信息。
- 代码生成：结合代码片段、Commit Message和元信息，以及Agent技术，实现复杂代码生成任务。
人机协同新范式： AI负责繁琐、重复的事情，人主导创造性工作，通过多使用、勤反馈实现人机共同成长。
人机协同宣言：掌握并善用AI将成为工程师的必备能力，率先用好的组织和个人将建立竞争优势，AI能极大提升研发效率，但最终业务结果由人负责。