探索IDE下的智能研發(fā)和研發(fā)知識庫的建設(shè)-騰訊+汪晟杰

騰訊云AI代碼助手產(chǎn)品負責(zé)人騰訊云資深技術(shù)產(chǎn)品專家騰訊資深技術(shù)產(chǎn)品專家，20年工作經(jīng)驗，負責(zé)騰訊云開發(fā)者AI代碼助手SuccessFactorsHCM、Sybase數(shù)據(jù)庫、PowerDesigner等產(chǎn)品的開提效等方面擁有豐富的行業(yè)經(jīng)驗。代碼RAG、多模態(tài)RAG代碼RAG、多模態(tài)RAG、AgenticRAG碼Codebaseagent碼Codebaseagent到RAT思考AISE場景AI理解/規(guī)劃需求需求生成設(shè)計稿設(shè)計稿生成代碼需求生成測試用例設(shè)計稿生成代碼測試用例生成測試代碼記憶與存儲記憶與存儲LLM大模型–基座模型…………研發(fā)領(lǐng)域LLM多智能體理解與決策CI/CD環(huán)境自動創(chuàng)建/銷毀執(zhí)行與反饋管理與交互管理與交互SWEBenchmark–解決Issue的能力軟件開發(fā)&測試場景是AI4SE技術(shù)應(yīng)用的排頭兵軟件工程各階段AI技術(shù)應(yīng)用比例AIAI4SE相關(guān)的商業(yè)化解決方案百花齊放，ResearchMarketingCustomerSupport四wrencowAadaIdeationPrototypeResearchisily⑧FigmaAlDQOQOCLooppanelDesignCommitCopilotsDocumentationOperationsairops象KUBIYAAarizeObservabilityHostCI/CDFacilitationDocumentation!知識庫RAG進階探索代碼文檔RAG、多模態(tài)RAG、AgenticRAG方向什么是RAGRAG技術(shù)（RetrievalArgmentedGeneration)基本都是用來處理自然語言的，無論是量化處理，還是召回，業(yè)界都僅在自然語言場景下可用。 閾值檢查關(guān)鍵字組合過濾Embedding請學(xué)習(xí)以下文檔：請學(xué)習(xí)以下文檔：根據(jù)以上文檔回答問題：問題XXXX請求LLM模型……系Rerank–丟棄不相關(guān)行OCR和圖像字幕以理解和解釋文本和非文本內(nèi)容。AgenticRAG=Agent+RAG感知端（Perception）控制端（Brain）行動端（Action）AgenticRAG=MultipleAgent+RAG場景簡單工程級別單一場景可場景簡單工程級別單一場景可TryRun/TryFixLLMLLM與感知、行動的配合LLM與不同智能體角色的協(xié)作AgenticRAG在面向代碼知識圖譜下的應(yīng)用2.2.Rewrite提問增強–多跳問答3.3.Codebase檢索本地工程–代碼檢索4.Contextual4.ContextualRAG5.5.基于知識圖譜的切分策略6.6.知識圖譜召回測試代碼文檔RAG、多模態(tài)RAG、AgenticRAG方向企業(yè)私域數(shù)據(jù)擴展內(nèi)部代碼庫企業(yè)私域數(shù)據(jù)擴展內(nèi)部代碼庫內(nèi)部文檔網(wǎng)頁內(nèi)容自定義API文檔第三方系統(tǒng)集成擴展模型微調(diào)訓(xùn)練CI/CD系統(tǒng)測試系統(tǒng)安全掃描騰訊補全模型騰訊對話模型感知體–以編碼輔助為例因此提升代碼補全效果的方法大致可以分為：更全面的感知上下文SuffixPrefix語義截斷智能補全Stop策略相關(guān)性分析SuffixPrefix語義截斷智能補全Stop策略相關(guān)性分析依賴解析調(diào)用鏈路相似函數(shù)內(nèi)容融合結(jié)合語義融合上下文依賴解析調(diào)用鏈路相似函數(shù)調(diào)用鏈/符號定義相似代碼頂端注釋解析父類判斷調(diào)用鏈/符號定義相似代碼頂端注釋解析父類判斷業(yè)界做法：固定的補全粒度（比如大、中、?。换蛘咝醒a全、塊補全不智能。業(yè)界做法：大部分產(chǎn)品都只感知當(dāng)前文件，少了先進產(chǎn)品會業(yè)界做法：固定的補全粒度（比如大、中、??；或者行補全、塊補全不智能。業(yè)界做法：大部分產(chǎn)品都只感知當(dāng)前文件，少了先進產(chǎn)品會結(jié)合AST，但是最多也只支持到“打開的文件”進行分析。騰訊實踐：感知的范圍更廣，在加載工程的時候，就會進行全項目的感知與解析，即使關(guān)聯(lián)文件未打開，也支持。騰訊實踐：智能補全，騰訊實踐：感知的范圍更廣，在加載工程的時候，就會進行全項目的感知與解析，即使關(guān)聯(lián)文件未打開，也支持。騰訊實踐：智能補全，可以根據(jù)代碼上下文，分析最適合的補全內(nèi)容，體驗更優(yōu)記憶體–增強與擴寫回針對API文檔，會當(dāng)成單獨的類型處理。在問答過程中，可以所選代回針對API文檔，會當(dāng)成單獨的類型處理。在問答過程中，可以所選代支持豐富的文檔類型，網(wǎng)頁、代碼(檢測非二進制的代碼文件)、ZIP壓代碼/文檔混合處理分別處理文檔和代碼。在增強回答的時候，可以結(jié)合代碼/文檔，分別提供解決方案內(nèi)容與解模型推理服務(wù)2知識切片與存儲3便捷的檢索增強體驗44面向技術(shù)代碼類文件的強化索引技術(shù)未來可擴展點未來可擴展點已經(jīng)集成的內(nèi)容企業(yè)知識庫管理企業(yè)研發(fā)規(guī)范知識庫企業(yè)知識庫管理企業(yè)研發(fā)規(guī)范知識庫維路思鏈維路思鏈輪理多處限制權(quán)控具行詞AIAgentPromptPrompt模板/配置中心模型調(diào)度結(jié)合LLM的業(yè)務(wù)擴展PluginPlugin、SDK前序Agent輸出作為后序前序Agent輸出作為后序AgentFunctioncallFunctioncall3rd集成無無SingleAgentNoSingleAgentNoCodeNoAgentCustomPromptSingleAgentPluginExtensionMultiAgent大模型特點：1.不確定性--->提升模型輸出的穩(wěn)定性質(zhì)2.靜態(tài)性--->擴展額外數(shù)據(jù)提示工程的能力直接賦予用戶，用戶根據(jù)自己的提示工程的能力直接賦予用戶，用戶根據(jù)自己的提示詞工程提示詞工程微調(diào)(Fine-tuning)例充滿模板，輸出仍不穩(wěn)定時，可以考慮進行微調(diào)AI助手的切分策略、ContextRetrievalProcessing、RAT2.2.基于答案生成問題3.3.基于問題查找答案4.4.新答案修正第一步Cursor、Windsurf取向與智能化IDE11智能開發(fā)者平臺，開發(fā)者意圖識別22AI具有理解工程力，自然語言分析工程瑕疵并具有優(yōu)化能力4343人機交互下