与开发者同频——百度构建人机协同新范式的实践_36页_7mb

2024 AI+研发数字峰会总结

核心内容

本次2024 AI+研发数字峰会围绕“AI驱动研发变革，促进企业降本增效”的主题，重点探讨了AI在研发领域的应用现状、发展趋势以及百度在构建人机协同新范式方面的实践。会议由百度Comate架构师牛万鹏主讲，通过详细讲解研发工具的发展、智能研发助手的构建与应用，展示了AI如何赋能软件工程，推动研发效率提升与质量优化。

主要观点

1. 研发效率的瓶颈与AI的机遇

• 技术迭代快，流程更新滞后：当前研发流程在技术快速变化的背景下难以及时更新，导致效率提升受限。
• 开发者对流程的抗拒：多数开发者更关注实际编码，而非流程管理，过度强调流程反而降低了幸福感。
• AI成为个人提效的“银弹”：大模型的出现为开发者提供了从代码自动补全到需求分析的全方位支持，成为提升效率的关键工具。

2. 百度Comate的智能研发助手

• Comate的核心能力：集成了代码自动补全、理解私域知识（RAG）、独立分析需求（Agent）以及人机结对编程（Pair）。
• 使用现状：在百度内部，Comate的代码生成占比高达90%+，用户满意度超过85%，采纳率30%。
• 功能结构：Comate的能力分为能力层（IDE端、问答区、Console区）、知识层（代码类与文本类知识）、框架层（RAG + P-RAG + Agent）和模型层（推理调度、代码生成、续写、Embedding、意图识别）。

3. 知识增强：理解编程现场

• 编程现场的重要性：包括本地代码库、Console信息、业务文档等，是开发者在实际开发中依赖的核心知识。
• 知识增强的必要性：通用模型在代码生成方面存在瓶颈，无法满足具体业务场景的需求，因此需要结合私域知识提升生成质量。
• 知识图谱的构建：通过遍历文件、依赖解析、权重计算和填充节点等方式，Comate能够理解代码库的开发规则，并据此生成更符合业务逻辑的代码。

4. Agent框架：人机协同新模式

• Agent的作用：Agent通过意图识别、知识检索、任务执行与整改策略，模拟“人”的自我反思行为，提升代码生成与分析的准确性。
• 人机结对编程：开发者与AI共同完成代码编写，AI负责繁琐、重复的任务，开发者专注于逻辑设计与决策。
• Agent的流程：包括意图理解、知识检索、任务执行、效果评估与整改策略，形成闭环反馈机制。

关键信息

研发现状与挑战

• 百度拥有1w+工程师、1k+业务团队、10w+代码库，每天1w次代码提交，每月1kw次流水线任务。
• 当前研发流程存在滞后，开发者对流程管理缺乏兴趣，导致效率提升困难。

智能研发助手的发展

• Comate通过代码生成、理解私域知识、独立分析需求等能力，成为百度研发智能化的重要工具。
• 代码生成占比高达90%+，用户满意度超过85%，说明其在实际应用中已取得显著成效。

知识增强的实现

• 代码开发规则知识图谱帮助Comate理解代码库结构，实现更精准的代码生成。
• RAG（Retrieval-Augmented Generation）与P-RAG（Private Retrieval-Augmented Generation）相结合，提升代码生成与需求分析的准确性。

人机协同的未来

• AI原生软件工程：AI将全面赋能研发各阶段，包括应用搭建、插件工程、Agent工程、Prompt工程、数据工程等。
• 人机协同宣言：
  • 掌握并善用AI将成为工程师的基本功。
  • AI提升效率的同时，开发者需确保方向的正确性，最终为业务结果负责。
  • 人机协同应实现共同进化，AI处理繁琐任务，开发者主导创造性工作。

未来展望

• AI驱动的软件工程：AI将从“替代任务”走向“赋能整个研发过程”，推动软件工程进入AI原生时代。
• 人机协同范式：通过不断使用与反馈，实现人与AI的共同成长，构建高效、智能、灵活的研发体系。
• 研发智能化趋势：AI将帮助开发者解决复杂问题，提高代码质量与开发效率，推动企业研发流程的全面变革。

总结

本次峰会展示了AI在研发领域的巨大潜力，尤其是百度Comate在智能研发助手方面的创新与实践。通过知识增强、Agent框架、人机结对编程等技术手段，Comate不仅提升了代码生成的准确性，还帮助开发者更高效地理解代码库、分析需求与优化逻辑。未来，AI将成为软件工程的核心驱动力，推动人机协同的新范式，实现研发效率的全面提升与质量的持续优化。