大模型时代下软件开发的场景和探索

腾讯金融云大模型时代软件开发场景与探索

开发辅助的历史演进与腾讯实践

编码辅助的发展足迹

• 第一代（2018）：基于LSTM的代码补全探索，如表达式、整行补全。
• 第二代（2022.6）：基于AST树、图（CFG/DFG）的代码补全，支持语词级别、函数体多行补全、注释补全。
• 第三代：基于GPT3的代码生成，支持单行、多行、注释生成，以及基于Chat的代码能力。

编码辅助实践-代码补全

• 核心场景：编写代码过程中实时根据光标位置，通过AST语法树感知关联代码，实现精准补全。
• 关键特性：
  • 工程理解与跨文件补全。
  • 自适应补全粒度（Tab预测下一个改动）。
  • 补全速度（端到端平均补全速度约400ms，私有化部署下单卡L20推理速度约50tokens/s）。
  • 语言生成（主流语言生成率：Go 40.0%，C++/C 37.6%，Java 37.5%，Python 34.9%，JS/TS 28%）。
  • 自动预测后续修改建议，光标离开后捕捉上下文生成补全推荐。
• 用户反馈：78.14%用户使用，35%代码由AI生成，代码采纳率>28%，满意度高。

编码辅助的腾讯内部实践

• 用户口碑：93%用户认为提效，人均需求交付个数提升18%，人均编码行数提升41.3%，人均编码时间缩短40.0%，人均千行Bug率降低31.5%。
• 推广方式：自底向上与自顶向下结合，大量AB实验横向拉通，持续运营。

大模型软件工程的探索与腾讯布局

编码辅助的发展与思考

• 第四代：探索人机分工和边界，企业IT资产/规范/流程与大模型结合点，下一代软件工程载体形态。

腾讯云大模型软件工程的规划设计

• 入口：AIIDE（腾讯自研，结合AI场景的新一代软件工程载体）。
• 架构：多智能体架构，通过MCP封装串联企业现存工具，打造垂直智能体。
• 知识整合：知识库和CODEBASE整合企业内部文档与代码，结合智能体实现AISE端到端开发。
• 核心能力：代码补全（NES）、技术问答、Chat、多文件修改、需求生成代码、Craft等。
• 技术支持：VSCode、JetBrains、Visual Studio、Xcode、微信IDE等IDEs，需求管理TAPD、原型设计codesign、测试管理、代码安全Xcheck、DevOps流水线等。

大模型时代软件开发场景的落地

自然语言驱动存量工程编码

• 功能：基于需求（自然语言）理解项目代码，自动查找目标代码改写或生成全新代码。
• 流程：需求理解与任务规划，逐文件读取与修改，实时渲染变更清单，接受与回退。

基于存量业务新增需求的大模型驱动测试

• 功能：直接与AI对话，AI思维链生成测试点、用例，需求拆解，搭建专属智能体分模块生成脑图与流程图。
• 效果：测试设计提效明显，手工用例辅助生成场景综合测试准确率35%-50%，用户直接应用率20%，综合采纳率45%。
• 自动化测试：根据业务代码批量生成单测文件。

自然语言驱动多场景源码安全扫描和修复

• 功能：在AIIDE中调用安全检查能力，给出修复建议，实现安全左移，关注软件供应链安全。
• 技术：科恩BINARYAI安全算法能力持续训练迭代，结合腾讯30W+漏洞信息，深度分析与解决软件漏洞、开源组件。

基于企业风格/组件库的原型设计和前端代码生成

• 功能：结合需求与前端设计框架，生成前端设计稿，进一步生成对应的前端代码。
• 优化：结合企业内部设计规范和业务场景，优化修复设计稿，贴合实际业务。