AiDD研发数字峰会-上海站

出品人：丁辉

中兴通讯首席软件架构师大模型专家

对分布式高并发架构设计、DDD、DSL架构设计、TLA+形式化建模等领域深耕多年；同时牵头中兴大模型研发改进，在大模型预训、精调、RAG、知识库建设等方面涉足较多，特别是在大模型在软件编码端到端应用方面具备丰富经验。

大模型助力开发提效

大模型兴起以来，对软件生成过程的各个环节都进行了重塑。无论是组织还是个人，与大模型的交互和协同都会产生全新的模式。但工欲善其事必先利其器，工具和人是互相成就的，其实是一个整体的系统工程，涉及其中的大模型/工具能力、协作流程、人员能力等都会爆发新的机遇和调整，本论坛聚焦业绩领先实践，共同推动大模型在研发提效中的深入应用。

知识工程引领 AI 智能体落地新范式

许威

中兴通讯(兴云数科) 产品架构规划师

内容简介：

介绍知识工程是智能体决策核心，开启全新范式。在知识工程层面：提出顶层范式 “作业即知识”，深入阐释如何构建 AI 智能体知识飞轮；
详细讲解语料转化、知识库与知识树构建技术；技术方案涵盖从作业触点的端到端贯通，以及知识树构建与版本管理要点。
案例讲解针对大型复杂系统新范式探索，分阶段阐述：需求阶段剖析产品 agent 面临挑战；设计阶段点明设计 agent 难题；开发阶段突出低代码 Agents 与插件 Agent 对重塑流程的关键作用，还细分二者做法；测试阶段围绕测试 Agent，详述接口测试、UI 功能测试及对应自动化测试的操作与挑战。
最后通过效果评估量化成效，并对未来发展予以展望，全方位展现知识工程赋能智能体落地的实践路径与前景。

演讲提纲：
摘要：知识工程是智能体决策核心。
介绍知识工程引领智能体新的范式
1.知识工程引领智能体
1.1 知识工程的顶层范式：作业即知识，详细讲述AI智能体如何构建知识飞轮。
1.2 知识工程的业务方案：类比 “数据是原矿，知识是精矿” 讲解数据知识转化流程，详述语料转知识库、构建知识树技术。
1.3 知识工程技术方案：阐述AI智能体从作业触点端到端贯通，知识树构建、版本管理。
2.案例讲解：大型复杂系统新范式探索
2.1 需求阶段怎么做：产品agent的挑战
2.2 设计阶段怎么做：设计agent的挑战
2.3 开发阶段怎么做：低代码Agents+插件Agent，重塑应用开发流程
2.3.1低代码Agents怎么做
2.3.2 插件Agent怎么做
2.4 测试阶段怎么做
2.4.1 测试Agent：接口测试怎么做
2.4.2 测试Agent：接口自动化的挑战
2.4.3 测试Agent：UI功能测试怎么做
2.4.4 测试Agent：UI自动化测试的挑战
3.效果评估与未来展望

听众收益：
1.了解企业存量异构知识如何自动化转为可用知识。
2.如何将清洗后的知识，从知识库到知识树。
3.如何构建需求、开发、测试全域知识库、知识树体系。
4.了解AI智能体如何结合知识工程，实现需求、开发、测试全领域研发效能的提升。

中兴通讯高级教练，有5年开发经验、四年项目管理经验，三年产品架构规划经验，两年部门研发效能提升经验，目前负责部门AI研发提效工作。24年在公司进行了AI培训和工作坊共计60余次。

仓库级程序自动开发与维护

顾小东

上海交通大学副教授

内容简介：

代码大模型技术正引领软件开发迈向智能化新时代，为各行各业注入强劲动能。然而，现有技术多聚焦于常规代码片段与通用算法，难以应对日益复杂的软件应用场景。随着大模型技术的持续突破，软件智能化转型对代码生成技术提出了更高要求，尤其是在大规模仓库级程序生成与维护方面，亟待突破性进展。本报告将深入探讨我们在仓库级程序生成与维护领域的探索与实践，包括仓库上下文理解、仓库级代码翻译、仓库级问题修复等。为代码大模型技术在业务场景中的落地应用提供经验和建议。

演讲提纲：
本演讲将分享我们在仓库级程序生成与方面的研究经验。首先，介绍现有的仓库级程序生成和修复技术发展现状。接着，介绍我们针对仓库级代码生成和维护方面的几点研究经验：1.仓库上下文压缩：设计自适应上下文剪枝技术，动态选择合适的跨文件代码；2.仓库级代码翻译：将项目拓扑进行拆解, , 提高项目级翻译的准确率；3. 仓库级问题修复: 采用经验池管理问题修复Agent思考轨迹，提高问题修复技术的准确度。最后，分析仓库级程序自动开发与维护面临的挑战并对未来工作作出展望。

听众收益：
1. 获得仓库级程序生成与维护的最新研究进展
2. 代码仓库理解方面的研究经验

上海交通大学软件学院副教授，博士生导师。长期从事智能软件工程领域的研究工作，包括代码大模型、程序自动生成、代码翻译、代码搜索等。在ICSE、FSE、ASE、TOSEM等顶级学术会议和期刊上发表学术论文30余篇，主持和参与国家自然科学基金、国家重点研发计划等项目。并与华为、宁德时代、腾讯等企业开展广泛的产学研合作。

快手通过AI规模化提升研发效率的实践

秦巍

快手研发工具产品负责人

内容简介：

在数字化浪潮与生成式AI技术革命的交汇点，企业正面临"效率悬崖"的严峻挑战——传统提效模式遭遇边际效益递减，而业务复杂度呈指数级攀升。本次大会将深度解构快手基于AI重构的规模化提效方法论，呈现一套可复制的智能增效体系。将剖析快手基于智能基座打造的下一代研发体系，揭示AI如何穿透“需求洞察-代码创造-质量验证-价值交付”的全生命周期。代码生成系统突破语义理解的认知鸿沟；智能问答矩阵在复杂工程场景中建立知识共振，加速决策心智的进化跃迁；智能测试网络通过多模态意图推演，构筑起兼具韧性与适应性的质量免疫系统。这些技术不是简单替代人力，而是通过人机共生的元能力升级。

演讲提纲：
1. 背景介绍
1.1 快手为什么要做效能
1.2 快手对做效能的期待
2. 快手规模化提效的策略
2.1 通过工具链构建扎实的数字化基座
2.2 构建多维的度量体系
2.3 构建问题挖掘模型
3. AI提效探索，如何加速规模化落地
3.1 全链路AI提效体系建设
3.2 AI提效实践
4. 小结
4.1 提效成果展示
4.2 思考与展望

听众收益：
1. 如何搭建提效的度量体系
2. 如何通过AI进行规模化的提效
3. 提效的效果最终在度量体系上的展示

现任快手研发工具链产品负责人、研发管理办公室研发效能解决方案团队负责人，负责快手研发工具链产品建设(智能化平台、三端一站式效能平台以及研发协作平台的建设)，通过工具和系统方法推动快手核心业务的研效提升。有10年互联网软件研发和效能提升经验，致力于通过系统方法、解决方案和工具化、产品化提升集团核心部门研发交付和业务创新效能。曾在阿里经济体内,深耕效能,负责菜鸟产研团队的数字化转型,助力云智能最核心团队获得效能优化大奖,主导阿里集团超大规模中台型团队系统性提效等经验。

AiDD峰会

K+峰会

联系我们