大模型生产力工具的思考与实践

01 市场发展与用户态度

• AI生产力工具海外应用现状（以编程助手为例）：
  • 60%以上开发者正在使用AI编程助手。
  • 独立任务对比实验中总体工作时间减少55%。
  • 发挥AI优势助力代码开发，扬长补短的使用能力，解决痛点，提供新的解决问题体验，减轻压力。
  • 60%的参与者认为ChatGPT对他们的满意度产生中等程度的积极影响，提升生产力，减少重复性工作，未带来显著压力。
  • ChatGPT在助工作开展、帮助学习新知、便捷获取有效信息等方面作用显著，优于传统工具。
• AI编程助手在国内处于快速发展阶段，个人用户视角从关注模型精度转向关注端到端用户体验，企业落地视角也在不断演变。

02 产品价值与应用落地

• 软件研发助手对企业级软件研发的三重价值：
  • 面向开发者的应用形态：
    • 代码补全：多编程语言支持，仓库级信息抓取。
    • 开发协助：Commit Message生成，智能体/自定义智能体。
    • 对话问答：代码和技术相关问题问答，基于知识库的知识问答，内置代码任务（代码重构、代码翻译、代码纠错、单元测试生成）。
  • 面向开发团队的应用形态。
  • 面向企业级的 应用形态。
• 大模型赋能企业经验总结。

03 功能创新与技术创新

• 降低用户使用门槛，提升端到端效果：
  • Prompt优化（外化COT）+ Constrained Decoding + 🍓（内化COT？）。
• “慢思考”在数据分析场景的应用价值。
• 降低用户使用门槛，选择场景内较优的交互组合。

04 AI生产力工具未来展望

• 大模型正在重新定义软件（Large Language Model Is Redefining The Software）。