大模型时代下软件开发的场景和探索

大模型时代下软件开发的场景和探索 腾讯金融云张翔 01 开发辅助的历史演进与腾讯实践 第三代 函数体多行补全 Chat模式 注释补全代码 基于GPT3的单行、多行、注释生成 代码、基于Chat的代码能力等 编码辅助的发展足迹 第一代 语词补全 基于代码语法、语义分析，语词级别的代码补全 第二代 表达式补全 整行补全 基于LSTMGPT2的表达式、行内和单行补全 2018基于LSTM代码补全探索 基于AST树、基于图CFGDFG 20226布局工蜂Copilot 关键特性 工程理解跨文件补全 自适应补全粒度 Tab预测下一个改动 业务代码仓库都是异常复杂的，一个业务功能往往由多个代码文件的多个方法组成。在代码补全时，可结合AST技术，在当前代码仓库中检索最相关的代码，强化模型补全准确性。让补全的代码符合当前代码仓库的业 务逻辑和通用规范。 在代码补全过程中，会根据光标所处位置，自适应的判断补全策略，比如半行补全、方法补全、注释补全等。不同的补全策略，补全的代码粒度不同。比如在行中触发代码补全，是行补全，方法体补全属于块补全。通过自适应，可以提升 补全体验。 一处修改，自动预测后续的修改建议。交互上通过光标离开，捕捉到上下文后，在合理的光标位置出现补全推荐。比如修改函数名称之后，自动预测函数引用的改动，可直接TabTabTab完成整个文件的跨代码块修 改。 补全速度（更快） 产品通过prompt优化、一致性路由、cache缓存、模型推理加速等技术加速了代码补全端到端的处理性能。 当前单行补全场景中，端到端的平均补全速度约为400ms 在私有化部署场景下，单卡L20的补全推理速度约为50tokenss 语言生成（更准） 腾讯云AI代码助手已经完成了针对业界主流语言的代码调优工作。目前主流语言的生成率情况如下： Go400 Cc376 Java375 Python349 JavascriptTypescript28 腾讯云AI代码助手代码补全的核心场景应用于编写代码过程中，实时根据光标位置，通过AST语法树结构，感知当前代码仓库中的关联性代码，实现精准补全。既提升了研发编码效率，又提升了编码体验。 场景一：检索、分类、总结 当遇到一些不熟悉的技术实现，传统的方式是通过网上检索方式，从一堆结果中筛选出想要的代码，然后做归纳总结，而现在我们可以直接向AI助手提问。 场景二：快速解读和理解代码 当我们接手一份新代码不熟悉的代码，AI助手可以帮助我们快速解读和理解代码，并回答针对这部分代码的问题。 编码过程中智能问答 主要解决场景 1 2 3 编程技术问题咨询 在左侧对话框中，可以询问AI代码助手编程相关的技术问题，也可以结合已有代码片段来提问。 AI代码助手支持通过多轮对话来逐步逼近正确答案。当第一轮对话效果不满意时，用户可以追加提问，直到获取满意的答案。 在技术对话中，内置了多样化的命令来辅助业务代码生成。比如commons自动注释、fix代码修复、nameVariable函数命名等。 编码辅助的腾讯内部实践 集中运营 提质增效 用户口碑 上万case 横向拉通 大量AB实验 自顶向下 413 人均编码行数 提升413 188 人均需求交付个数 提升18 自底向上 问题日结 快速迭代持续运营 产研、研效委员会、HR、行政 400 人均编码时间 缩短400 推广、拉新、留存、问题收集、案例、用户群人力、算力、站台 315 人均千行Bug率 降低315 效果的提升需要产品的持续迭代和运营 93的受访用户认为AI助手有提效效果 腾讯7814人在用（超5w人），有35的代码由AI助手生成，代码采纳率28，用户反馈的满意度高 02 大模型软件工程的探索与腾讯布局 第四代 人机的分工和边界在哪里 企业IT资产规范流程与大模型生成的结合点在哪 里 承接下一代软件工程的载 体形态是什么 以AIIDE为入口，通过多智能体架构提供软件工程端到端的能力。后端服务通过MCP进行工具封装串联企业现存工具，并在此基础上打造各个领域的垂直智能体。企业知识通过知识库和CODEBASE整合企业内部的现有文档与代码，并结合智能体能力实现AISE的端到端开发场景。 IDEsClient VSCode JetBrains VisualStudio Xcode Vim 微信IDE AIIDE（腾讯自研，深入结合AI场景的新一代软件工程载体） 现有研发系统 核心代码补全 需求管理TAPD 能力（NES） 技术问答Chat 多文件修改Edit 需求生成代码Craft WorkFlowAgentic模型自主PlanCustom自定义工作流 原型设计 codesign MCPProtocol 测试管理 MCPServer 代码安全 Xcheck DesignMCPServerCODINGMCPServerBrowserMCPServer SecurityMCPServerTSecMCPServerDBMCPServer OpenDataMCPServerCloudMCPServerPipelineMCPServer RAGMCPServerWikiMCPServerSearchMCPServer 知识扩展 云端Codebase 本地Codebase 知识库 DevOps流水线 LLM大模型DeepSeekR1V3 混元TurboS 混元densecode混元Embedding 腾讯在AI4SE各个阶段均有布局与探索 详细设计 编码 评审 代码设计 代码生成 代码评审 代码相关问答 单元测试生成 提交信息 产品设计架构设计开发 规划 设计 API设计 迭代计划 视觉设计 API文档 交互设计 优先级 原型设计 验收条件 解决修复安全问题 代码安全扫描 安全 需求 用户调研产品创新产品定义 功能拆解 领域建模 架构设计 领域分析 时序图设计 事件建模 组件图设计 架构分层与上下文定义 类图设计 设计文档 发布计划里程碑计划 运维交付 发布 监控日志分析客户支持客户情绪分析 部署 测试 测试用例设 计 缺陷分析 自动化测试 发布文档 部署脚本生成 根因分析 自动化测试代码生成 测试用例生成 更新文档 缺陷分析 缺陷修复 03 大模型时代软件开发场景的落地 腾讯云AI代码助手编辑模式可以基于需求（自然语言）理解项目代码，并自动查找目标代码进行改写，也可生成全新的代码项目。当用户有一个具体需求，并且知道需求的改动范围，编辑模式可以帮互助用户快速且准确的实现需求代码。 添加文件到Edit工作区域 需求理解与任务规划 读取、新增、修改文件 IDE编码区域实时渲染 组织变更清单 接受与回退 EditChat中提出开发需求 3逐文件读取与修改 5实时打开文件，渲染变更效果 4完整方案与变更清单 逐文件采纳 代码片段采纳 一键回退 腾讯云AI代码助手编辑模式可以基于需求（自然语言）理解项目代码，并自动查找目标代码进行改写，也可生成全新的代码项目。当用户有一个具体需求，并且知道需求的改动范围，编辑模式可以帮互助用户快速且准确的实现需求代码。 测试设计 AI自动化测试 测试设计到用测试脚步编写的工作通常占整体测试工作量的5070，AI实践提效成果明显 当前手工用例辅助生成场景的综合测试准确率在3550区间，用户直接应用率20，综合采纳率45 AI需求拆解 AI测试点生成 AI用例生成 分模块生成脑图与流程图AI思维链生成 直接与AI对话 根据业务代码批量生成单测文件 搭建专属智能体 TAPD代码助手 AIIDE 可以在AIIDE中，直接调用安全检查能力，并给出安全修复建议，将安全漏洞修复环节前置到编码过程中，实现安全左移。同时可以在研发过程中，随时关注软件供应链安全。基于科恩BINARYAI安全算法能力持续训练迭代的安全能力，结合腾讯30W的漏洞信息，可以做到软件漏洞、开源组件的深度分析与解决 AI代码安全检查与修复 工程级检查与修复代码污染链分析自定义检查规则 AI软件供应链安全检查与修复 依赖链分析代码片段分析漏洞可达分析 结合需求与前端设计框架，可以实现基于需求生成前端设计稿，并进一步生成设计稿对应的前端代码。设计稿生成之后，可以结合企业内部的设计规范和业务实际场景，对于设计稿进行优化与修复，让设计稿更好的贴合实际业务场景。 需求生成设计稿 感谢倾听