探索IDE下的智能研发和研发知识库的建设-腾讯+汪晟杰

腾讯云AI代码助手产品负责人腾讯云资深技术产品专家腾讯资深技术产品专家，20年工作经验，负责腾讯云开发者AI代码助手SuccessFactorsHCM、Sybase数据库、PowerDesigner等产品的开提效等方面拥有丰富的行业经验。代码RAG、多模态RAG代码RAG、多模态RAG、AgenticRAG码Codebaseagent码Codebaseagent到RAT思考AISE场景AI理解/规划需求需求生成设计稿设计稿生成代码需求生成测试用例设计稿生成代码测试用例生成测试代码记忆与存储记忆与存储LLM大模型–基座模型…………研发领域LLM多智能体理解与决策CI/CD环境自动创建/销毁执行与反馈管理与交互管理与交互SWEBenchmark–解决Issue的能力软件开发&测试场景是AI4SE技术应用的排头兵软件工程各阶段AI技术应用比例AIAI4SE相关的商业化解决方案百花齐放，ResearchMarketingCustomerSupport四wrencowAadaIdeationPrototypeResearchisily⑧FigmaAlDQOQOCLooppanelDesignCommitCopilotsDocumentationOperationsairops象KUBIYAAarizeObservabilityHostCI/CDFacilitationDocumentation!知识库RAG进阶探索代码文档RAG、多模态RAG、AgenticRAG方向什么是RAGRAG技术（RetrievalArgmentedGeneration)基本都是用来处理自然语言的，无论是量化处理，还是召回，业界都仅在自然语言场景下可用。 阈值检查关键字组合过滤Embedding请学习以下文档：请学习以下文档：根据以上文档回答问题：问题XXXX请求LLM模型……系Rerank–丢弃不相关行OCR和图像字幕以理解和解释文本和非文本内容。AgenticRAG=Agent+RAG感知端（Perception）控制端（Brain）行动端（Action）AgenticRAG=MultipleAgent+RAG场景简单工程级别单一场景可场景简单工程级别单一场景可TryRun/TryFixLLMLLM与感知、行动的配合LLM与不同智能体角色的协作AgenticRAG在面向代码知识图谱下的应用2.2.Rewrite提问增强–多跳问答3.3.Codebase检索本地工程–代码检索4.Contextual4.ContextualRAG5.5.基于知识图谱的切分策略6.6.知识图谱召回测试代码文档RAG、多模态RAG、AgenticRAG方向企业私域数据扩展内部代码库企业私域数据扩展内部代码库内部文档网页内容自定义API文档第三方系统集成扩展模型微调训练CI/CD系统测试系统安全扫描腾讯补全模型腾讯对话模型感知体–以编码辅助为例因此提升代码补全效果的方法大致可以分为：更全面的感知上下文SuffixPrefix语义截断智能补全Stop策略相关性分析SuffixPrefix语义截断智能补全Stop策略相关性分析依赖解析调用链路相似函数内容融合结合语义融合上下文依赖解析调用链路相似函数调用链/符号定义相似代码顶端注释解析父类判断调用链/符号定义相似代码顶端注释解析父类判断业界做法：固定的补全粒度（比如大、中、小；或者行补全、块补全不智能。业界做法：大部分产品都只感知当前文件，少了先进产品会业界做法：固定的补全粒度（比如大、中、小；或者行补全、块补全不智能。业界做法：大部分产品都只感知当前文件，少了先进产品会结合AST，但是最多也只支持到“打开的文件”进行分析。腾讯实践：感知的范围更广，在加载工程的时候，就会进行全项目的感知与解析，即使关联文件未打开，也支持。腾讯实践：智能补全，腾讯实践：感知的范围更广，在加载工程的时候，就会进行全项目的感知与解析，即使关联文件未打开，也支持。腾讯实践：智能补全，可以根据代码上下文，分析最适合的补全内容，体验更优记忆体–增强与扩写回针对API文档，会当成单独的类型处理。在问答过程中，可以所选代回针对API文档，会当成单独的类型处理。在问答过程中，可以所选代支持丰富的文档类型，网页、代码(检测非二进制的代码文件)、ZIP压代码/文档混合处理分别处理文档和代码。在增强回答的时候，可以结合代码/文档，分别提供解决方案内容与解模型推理服务2知识切片与存储3便捷的检索增强体验44面向技术代码类文件的强化索引技术未来可扩展点未来可扩展点已经集成的内容企业知识库管理企业研发规范知识库企业知识库管理企业研发规范知识库维路思链维路思链轮理多处限制权控具行词AIAgentPromptPrompt模板/配置中心模型调度结合LLM的业务扩展PluginPlugin、SDK前序Agent输出作为后序前序Agent输出作为后序AgentFunctioncallFunctioncall3rd集成无无SingleAgentNoSingleAgentNoCodeNoAgentCustomPromptSingleAgentPluginExtensionMultiAgent大模型特点：1.不确定性--->提升模型输出的稳定性质2.静态性--->扩展额外数据提示工程的能力直接赋予用户，用户根据自己的提示工程的能力直接赋予用户，用户根据自己的提示词工程提示词工程微调(Fine-tuning)例充满模板，输出仍不稳定时，可以考虑进行微调AI助手的切分策略、ContextRetrievalProcessing、RAT2.2.基于答案生成问题3.3.基于问题查找答案4.4.新答案修正第一步Cursor、Windsurf取向与智能化IDE11智能开发者平台，开发者意图识别22AI具有理解工程力，自然语言分析工程瑕疵并具有优化能力4343人机交互下