内容简介:
知识工程构建过程中,只有代码资产是最准确最保值价值密度最高的。但是对于遗留代码,又会因为版本过多、命名不规范、注释和代码逻辑对应不上、代码质量过差等问题,导致挖掘知识的过程变得十分困难。如何去挖掘才能最准确最高效,并且把其中的知识有效的组织起来,形成知识工程中的知识资产,是个很有挑战的技术活。本次分享从整体架构设计、具体面临到的难点和解决方案等多个方面,详细阐述了如何基于AI+RAG+KG来挖掘代码知识宝藏,并赋能业务应用的全过程。
演讲提纲:
1.为什么要基于代码资产构建知识工程;
2.代码知识工程的常见难点;
3.如何挖掘代码资产并构建知识工程;
4.常见难点和应对策略;
5.如何评价整体效果;
6.代码知识工程与实际场景应用的结合。
听众收益:
1.了解代码构建知识工程与传统基于文本构建方式的区别;
2.实践:如何基于代码构建知识工程;
3.了解常见难点和应对策略。
本科毕业于南京大学软件工程专业。有多年海外工作经历,现任长亮科技AI研究院资深AI科学家。拥有多项发明专利,著有《单元化架构实践指南及AI时代思考。曾参编信通院的团体标准《银行核心系统现代化建设水平度量模型》并被信通院聘为“应用现代化推进中心”专家。曾多次在中国信通院发表主题演讲,目前正参编多项AI行业和团体标准如《人工智能云 AI网关能力要求》、《大模型与智能应用信息交互(MCP)》、《大模型驱动的数据分类分级工具》等。曾获得华为“鲲鹏金种子开发者”,并带队参加华为鲲鹏应用创新大赛全国总决赛获得银奖,比赛案例也入选工信部信息技术应用创新解决方案。