AiDD软件研发数字峰会-深圳站

出品人：马宇驰

华为AI算法科学家

华为 AI算法科学家、华为云DevAI Lab 负责人。华为AI算法科学家、华为云DevAI Lab 负责人。2017年加盟华为，历任智能化测试技术专家、研发智能博士军团Lead等岗位，带领团队先后围绕智能化测试、智能化运维、智能路由与调度、智能化代码生成等方向成功孵化多项智能研发服务，完成规模化落地并外溢。

代码生成与优化

聚焦于大模型时代下的代码生成与理解，包括代码补全、代码自动生成、单元测试代码自动生成、针对代码的大模型构建等话题，分享该领域最新研究成果，探讨真实落地应用场景。

智能研发助手Comate Stack在全研发流程的落地实践

徐晓强

百度资深工程师

百度代码产品架构师，10+年研发经验，负责代码智能、代码托管等产品的架构设计与实现。对DevOps智能化落地、云原生、高可用方向都有深入研究。

内容简介：

智能研发助手百度Comate在百度内部已经成为每个研发工程师必不可少的开发工具之一。在全部研发流程中，Comate Stack能够助力哪些环节，以及Comate Stack在支持AI原生化开发过程中起到什么样的作用。这些问题都会在此次演讲中得到介绍和解释。

演讲提纲：

1、百度Comate产品介绍，包括百度Comate的部分技术原理简介
2、百度研发流程简介，以及Comate Stack在整个研发流程中的助力点
3、百度在AI原生应用中的工具支持

听众受益：

1、了解大模型产品在代码生成领域的落地情况
2、了解AI原生开发特有的工具集的设计

AI加持下的新时代软件工程

内容简介：

腾讯云认为AI对世界的改变，一定是通过与产业融合实现的。机器决策、自主生成、自然交互等一系列变革，将推动产业实现更高效率、更低成本、更好体验和更大创新。未来的企业，也将向智能原生进化。

而软件工程和代码能力也是构建和链接数字世界的有效手段，可以大幅降低数字经济的创新门槛和成本。

如今在人工智能迅猛发展的大趋势下，软件工程将步入3.0时代。怎样通过AI能力加持软件工程与代码能力，今天将就该话题进行一个分享和汇报。

演讲提纲：

1、AISE与软件工程3.0

2、AI代码助手，先行一步

3、AI融入软件生命周期

听众受益：

对AISE和软件工程3.0 概念有所了解和启发

汪晟杰

腾讯云开发者产品高级经理

历任阿里高级技术专家，从事钉钉云效核心业务线、Teambition 合伙人、Autodesk 首席软件架构师、十多年 SAP 云平台、SuccessFactors HCM、Sybase数据库 PowerDesigner 等产品的开发经理，在软件架构设计、产品管理和项目工程管理、团队敏捷提效等方面拥有逾 18 年的经验。

打造LLM高质量代码生成的神兵利器

内容简介：

获得高质量代码的前提是要有好的设计，在LLM时代，好的设计还需要能够被LLM充分理解。语义模型驱动设计（Semantic Model Driven Design，SMDD）是一种可以应对软件复杂性的设计方法。使用该方法不仅能做出好的设计，而且设计也能被LLM充分理解。结合SMDD与提示工程，打造标准交互流程与提示模板，驱动LLM生成高质量代码。

演讲提纲：

1、 LLM代码生成面临的问题：如何让LLM高效地生成高质量代码
2、问题的解决思路与方案：通过SMDD获得好设计，结构化表达配合提示模式使得LLM充分理解设计
3、实践情况与效果评估
4、总结&展望

听众受益：

了解如何打造LLM高质量代码生成的神兵利器

陈雅菲
中兴通讯公司资深软件架构师/

资深敏捷教练

深耕软件领域20余年，拥有丰富的大型软件项目架构、设计与开发经验，在软件设计开发理论与实践上均有独到见解。长期致力于敏捷技术实践指导与推广，多次获得公司十佳敏捷教练称号。目前研究方向是LLM辅助设计编码。

AI开道，让编程体验“一路狂飙”

内容简介：

为了快速响应市场的变化和不确定性，企业开发者承受了巨大的应用开发压力，下一代AI研发工具是提高开发效率的突破口。华为云智能化产品专家深度分析软件工程3.0对客户商业竞争力提升的帮助，从华为云CodeArts Snap的智能生成、智能问答和智能协同3大关键能力讲解研发工具在盘古研发大模型的加持下如何重塑软件开发。

演讲提纲：

1、软件开发工具从传统单点效率提升转变为端到端效率提升;
2、软件开发生命周期从传统作业流转变为提示工程串联模式;
3、研发团队从多角色精细分工转变为 “一人成军”全栈发展。

听众受益：

了解当前工业界最前沿研发大模型趋势，基于盘古研发大模型提供智能生成、智能问答和智能协同3大核心能力，通过智能化需求管理分析、新增代码开发、存量代码优化、代码质量看护、应用便捷部署等多种研发场景重塑软件开发。

张芮恺
华为云智能化产品专家

香港中文大学博士毕业后加入华为，从事智能化研发工具开发至今。

代码生成遇上大模型：进展与挑战

内容简介：

本次演讲中将深入探讨代码生成的过去、现在与未来。首先，回顾代码生成的背景与历史轨迹，探讨其核心价值，以及研究它所涵盖的主要任务分类及其重要性。我们将详细地对比传统的代码生成方法如基于模板、深度学习的方法，以及大模型如何为代码生成开辟了新的视角和范式。接着探讨当前代码生成的技术挑战，包括如何在计算资源有限或数据匮乏的环境下进行高效的代码生成。同时，我们也会深入讨论在特定需求场景下，如何进行代码生成、如何优化代码风格、安全性和性能。最后，我们将展望代码生成在软件工程3.0时代的未来，包括大模型将如何更好地融入现代软件开发流程，实现更高的开发效率和质量，我们也会探讨在实际工程中可能遇到的潜在挑战和解决方案。

演讲提纲：

1、代码生成概览
2、代码生成技术的历史与现状
3、代码生成面临的核心挑战
4、大模型与代码生成的未来展望

听众受益：

1、基础理解：回溯代码生成的历史，理解其在软件开发中的基础地位，及其对现代开发方法的影响
2、技术对比：从基于模板、基于深度学习的方法，再到现代大模型，探索它们的优劣对比
3、资源挑战：在计算和数据资源有限的情境下，了解模型压缩、迁移学习等技术策略，提高开发效率和代码质量
4、定制化方法：针对特定需求，满足不同的代码风格、安全性和性能标准
5、前沿思考：站在软件工程3.0的视角，反思代码生成在未来软件开发中的角色，以及可能面临的技术挑战和解决路径

王焱林
中山大学助理教授

中山大学软件工程学院助理教授、硕士生导师，2022年入选中山大学百人计划。2019年博士毕业于香港大学计算机系，2019~2022年在微软亚洲研究院任研究员、主管研究员。主要研究领域为智能软件工程，尤其是与大模型结合的代码智能，包括代码搜索、代码摘要、代码生成等。已在ICSE、ISSTA、AAAI、ACL等软件工程及人工智能领域的高质量会议和期刊上发表二十余篇学术论文。在多个国际学术会议如ICSE，ISSTA，FSE industry等担任程序委员会委员，是TOSEM，TSE，JSS，EMSE等国际期刊的审稿人。

基于GPT的代码PR review助手开发与应用

内容简介：

代码提交审查（Pull Request Review）一直以来是软件研发过程中颇具挑战的一环，对软件质量和研发效率都有深远的影响。鉴于GPT 大语言模型在自然语言处理和代码生成领域的出色表现，人们也尝试将GPT用于PR Review以提高代码质量和解决该环节的效率瓶颈。
然而，有时效果并不理想，这是由于Pull Request中上下文信息缺失、大语言模型生成结果的随机性和缺少规则配置开关项等原因，导致在该场景的应用遇到了挑战。本次分享将通过实际案例介绍如何开发一个基于GPT的PR Review Assistant，克服这些挑战，有效提高软件研发的效率和代码质量。
本次分享将深入探讨 GPT 在 PR Review 中的应用情况、取得的效果，以及其背后的实现原理和技术要点。我们还将结合实际案例，分析在此过程中踩过的坑，分享经验教训，并展望未来的发展趋势和研发计划。
演讲提纲：

1、软件开发中代码提交审查（Pull Request Review）面对的挑战和问题
2、目前GPT大语言模型在PR Review的应用情况和取得的效果
3、实现原理和技术要点
4、经验教训、踩过的坑及未来的计划

听众受益：

1、如何将GPT大语言模型应用于代码提交审查（Pull Request Review）解决软件研发中遇到的实际问题。
2、了解GPT大语言模型在PR Review中的优势和不足，以及如何看待和避免其不足，发挥其优势。
3、从实际案例中获得借鉴。
4、理解大语言模型在PR Review审查上未来的发展趋势和投入方向。

李明宇
中国科学院计算技术研究所

高级工程师

中科院计算所高级工程师，开源项目活跃开发者，20 余年编程与软件开发经验，10余年云端软件研发与产业化工作经历。历任国家重点实验室课题组负责人，上市公司事业群技术总监、首席技术专家。
李老师项目经验丰富，为多家知名企业和单位提供过服务，荣获中国软件协会“优秀CTO”等多项荣誉，兼任中国新一代IT产业联盟分委会秘书长、全国高校人工智能与大数据创新联盟专家委员、北京开源创新委员会委员。