??IG進化型GI我們推崇"Tπ型人才"甚至"星型人才"的時代。"單棧專家"逐漸讓位于"多棧通才"，這種轉(zhuǎn)變并非源于市場強制，而是技術賦能的自然結(jié)果——當LLM作方式。這也意味著，未來的軟件工程教育不應僅局限于編程語言和算法，還應包括如何與AI本報告系統(tǒng)闡述了基于IGC序二：讓AI當Dn在4年首次展示Ipsk在55e如mnIIIGC探索出一條AI通過構(gòu)建覆蓋需求、開發(fā)、測試、交付全鏈路的智能研發(fā)平臺，讓工程師體驗到“AI需求評審會上AI構(gòu)。AI80%的常規(guī)需求由AI而實現(xiàn)這一愿景的關鍵，在于構(gòu)建“柔性組織架構(gòu)”：以虛擬小組為核心，動態(tài)整合AI如何讓AI正如報告案例實踐中驗證的：當AI612sytosordssprotInhrFltlnI4IGCI信GI｜菜鳥助II｜上，通過大模型結(jié)合RAG增強檢索等技術可顯著提升測試用例的生成效率與覆蓋率。在UI自伴隨軟件演化的自適應能力。同時，“AIbyTesting”為打造更加安全可靠的人工智能和可信軟I多模態(tài)大模型、推理大模型、大模型開源以及IntIstm模型有93年0月1日在云4年4月I程序員通義靈碼正式成為阿里云I1在AIforSE的雙重躍升。在整個軟件工程開發(fā)全周期中，AI碼大模型領域的布局。目前，騰訊云AI合規(guī)、高粘度體驗的編碼場景AIGC80%的程序員使用騰訊云AI代碼助手實現(xiàn)開發(fā)提效。本報告中提到的AIGC身受，作為從業(yè)者，希望能跟大家一起推動AIforSE的持續(xù)進步。AI開發(fā)工具在全球加速落 工具：開發(fā)工具分散，導致研發(fā)流程自動化能力不 人才：研發(fā)能力“豎井”，無法滿足多樣化開發(fā)需 度量：現(xiàn)有數(shù)據(jù)體系無法應對智能化研發(fā)下的觀測體 組織：變革和創(chuàng)新氛圍需要強有力的組織支 愿景：基于AIGC建設愿 建設價 建設原 組織文 智能研發(fā)平 多棧工程 效能度量體 實施要 工程師效能革 組織能力躍 合作范式革 基于AIGCIGCIGCI4當前各行業(yè)對AI查問卷，最終形成了一份詳盡的《2024業(yè)中已有的AI5（10）的分數(shù)，38%的開發(fā)者覺得AI具可以節(jié)省20%-40%的工作量StackOverflow2024776%的受訪開發(fā)者已在使用或應對復雜任務方面存在一定挑戰(zhàn)。這表明，盡管AI數(shù)據(jù)來源：Stack圖AICursor、GitHubCopilotDeepSeek然從單純的代碼助手蛻變成為全流程開發(fā)伙伴。同時，AIIGtbopot協(xié)同工作流優(yōu)化升級：AI的融入讓團隊協(xié)作愈發(fā)高效。拿GitHubCopilot來說，它借助自AI測試與部署智能化變革：AI驅(qū)動的持續(xù)集成/持續(xù)交付（CI/CD）工具，有能力自動化生題并做出調(diào)整。例如，代碼提交瞬間，AI圖工具鏈的分散格局，給AI首先，落實AIGC模式不是一蹴而就的，這就需要企業(yè)在技術戰(zhàn)略、AI多部門的協(xié)同共建，以AIGC愿景：基于AIGC基于AIGC的智能化多棧開發(fā)新模式，是以持續(xù)、快速、高標準交付用戶價值為導向，以

3：基于AIGC在AIGC能型、萬金油型”人才的多棧工程師，借助AI新的團隊協(xié)作方式的產(chǎn)生和協(xié)作效率的明顯提升，從而構(gòu)建出基于AIGC研發(fā)工具CodeLink以"Agent模式"允許用戶僅需用自然語言描述需求，即可自動使用HTML、提升工作體驗：AI的經(jīng)歷，讓他們專注于更具創(chuàng)造性的部分。在貝殼，通過CodeLink進行代碼CR和規(guī)范指導已基于GitHubCopilot30%左右的編碼提效，大幅提升開發(fā)的敏捷性。團隊可以在更靈活的協(xié)作模式：AI求的缺陷率。通過AI數(shù)據(jù)驅(qū)動的決策制定：智能化多棧開發(fā)新模式下，通過收集與整理開發(fā)過程數(shù)據(jù)，AI程、AIAI研發(fā)流程模式的變化，到人員崗位所具備的“AI等。通過更AI

圖重開發(fā)員工的多棧技能，提供文檔、經(jīng)驗、培訓快速掌握跨展技能的同時結(jié)合AI技術驅(qū)動：通過技術賦能、革新，驅(qū)動交付過程的根本性改變。充分利用AI合規(guī)安全：確保AI用清晰的安全規(guī)范。具體舉措：基于AIAI變革管理：產(chǎn)研、人力、業(yè)務等部門形成一個變革組織，推動變革的發(fā)生。營造創(chuàng)新、I以及多棧的文化，鼓勵員工勇于嘗試。管理者要成為引導者、賦能者，管理層在推動I全了解I在智能化多棧開發(fā)體系里，組織文化建設堪稱核心“黏合劑”，對整個項目的順暢運轉(zhuǎn)與持續(xù)創(chuàng)新起著關鍵作用。總體方向是建設AIFisrt、學習心態(tài)、效率至上的文化氛圍，通過運營活動持續(xù)打造并提升擁抱AIGC和業(yè)務部門形成“AIFirst”的共識，讓業(yè)務部門認識到AI在多棧工程師模式中，該平臺主要發(fā)揮三個關鍵作用：首先，通過AI

圖I在開發(fā)體驗層面，工具突破傳統(tǒng)拖拽式可視化開發(fā)的局限，引入AIAIIIBg修復等，助力工程師實智能AI智能支持。能同時支持Java、JavaScript、Python、TypeScript、Go30%-50%的效技術支撐方面，平臺內(nèi)置了完整的企業(yè)級特性支持。開放APIAI交付和快速迭代的重要基礎設施。通過融合CI/CDDN在安全保障層面，平臺突破傳統(tǒng)手工發(fā)布的局限，引入多重安全機制。借助CI圖角色模型：實踐導向培訓：的使用。通過引入如基于對話生成后端代碼的AI參與應用開發(fā)，進一步激發(fā)團隊的創(chuàng)新能力，而通過文字交互進行測試的AI跨崗位多棧交付：根據(jù)業(yè)務特點和資源瓶頸動態(tài)調(diào)整崗位分工。例如，針對資源智能化工具輔助：引入AI入。AI新的交付流程：從CopilotAgent新的交付流程逐漸從AICopilotAgent從簡單單一任務的輔助編程，向復雜任務的自主解決推進。從HumanEval到SWE保證語法正確。而SWEBenchmark則模擬更大規(guī)模、更真實的軟件工程問題涉及復雜的系統(tǒng)設計、代碼結(jié)構(gòu)優(yōu)化等。這表明AI展到更實際的應用場景，側(cè)重評估AI在完整軟件項目中的實用性和可靠性。從關注編碼提效到關注更多研發(fā)階段的提效。需求分析:AI能夠從產(chǎn)品需求文檔、成需求摘要和關鍵功能列表并生成代碼；UI設計:隨著多模態(tài)的發(fā)展，AI正在逐步擴展到UI設計階段，根據(jù)需求描述生成UI草圖或接口設計稿，進一步生碼、UIAI報警分析，甚至嘗試bug從IDE集成開發(fā)環(huán)境嘗試向瀏覽器端到端解決問題演進，更多環(huán)節(jié)消失。云端化與輕量化：開發(fā)者不再需要依賴本地設備的IDE配置，集成從代碼編寫、調(diào)試、測試到部署的全流程工具，實現(xiàn)輕量化的工作流。云端化的IDE也能提供即時的需求。如replit、agent、vOdev、bolt.new等諸如此類產(chǎn)品，一站式解決方案。交付驗收：開發(fā)階段的代碼必須通過帶教導師的CR（CodeReview），確保功能實，AI輔助專家：負責推動AI技術在研發(fā)全流程中的應用，包括AI工具的優(yōu)化與落地實踐，保障AI點考核工程師在多棧任務中的交付質(zhì)量與效率；隱性技能則涵蓋AI建立效能專家BP工具賦能維度監(jiān)測AIHR一定的跨棧技能。識別和培養(yǎng)團隊成員目前的AI技能、跨棧技能，選擇、構(gòu)建出合適的AI智AI培養(yǎng)AIAIAI殼前端組件的規(guī)范以及業(yè)務沉淀的組件根據(jù)用戶描述智能生成出頁面。如貝殼的EasyQ，結(jié)合貝殼APP相關業(yè)務知識結(jié)合AI驅(qū)動端上的操作行為來完成端上的測試驗證。機制牽引形成團隊習慣：建立相應AI前面段落介紹了團隊成員能力和AI）讓AIAIAI圍，同時建立起能夠給企業(yè)賦能的AI平臺，給予企業(yè)各類員工發(fā)揮AI創(chuàng)造力的場所。如貝殼益，找到AI人的智能維護客源助理、社牛通過AI 貝殼智能研發(fā)平臺由AI圖CodeLink:研發(fā)域AI（CodeLinkCodeLink作為研發(fā)域的AI智能工具，能夠?qū)崿F(xiàn)多語言和跨棧協(xié)作的智能代碼生成，顯著提8貝殼研發(fā)域AI支持多種編程語言和開發(fā)環(huán)境，目前對于代碼文檔、代碼生成等工作能夠縮短50%左右的時間，而對于代碼優(yōu)化和重構(gòu)則可以縮短30%的時間，這這種提高將超越以往由新工具和基于IDE：通過連接貝殼云端環(huán)境，工程師可以在IDE打造智能伙伴Super，讓開發(fā)者從執(zhí)行者變成指揮者：當開發(fā)者在日常工作中開始使用AI礎性技能以外，還要培養(yǎng)應學習的增強型技能，同時開拓能力的生成式AI技能。KeTestCopilot：測試域AI學跨棧QA9：貝殼測試域AI然語言和圖像的理解能力，實現(xiàn)了從自然語言到驅(qū)動移動終端完成UI同時將大模型與傳統(tǒng)圖像算法結(jié)合，自動進行UI測性，讓UI經(jīng)過AI工具不斷落地，在軟件生命周期中，各環(huán)節(jié)角色的工作職責和行為也發(fā)生了變化，->覆蓋率收集->測試結(jié)果智能分析流UIUIFCN&MUI：前端域AIFCN作為貝殼內(nèi)部的低代碼平臺，專注于前端開發(fā)，具備一站式開發(fā)流程、接口適配、頁面級操作、分支和部署以及定制化能力，能夠滿足特定業(yè)務需求。MUI則是一個根據(jù)圖文智能生成代碼的平臺，具備圖片識別、代碼運行等通用能力，能與業(yè)務的私有組件打通，生成私域代碼。通過這些工具的協(xié)同作用，頁面開發(fā)基本實現(xiàn)了通過可視化拖拽、智能生成產(chǎn)出基本效果，再在IDE中通過對話微調(diào)或AI續(xù)寫進行提升，極大地改善了整體開發(fā)流程。前端AI為了兼容業(yè)務已有的特性，貝殼在代碼生成過程中兼容了antd個版本。同時為了開發(fā)更方便，內(nèi)部也有眾多的npm內(nèi)部訴求，MUI10：貝殼前端域AI形成以技術效能中心牽頭，人力、多業(yè)務部門參與的智能化多棧開發(fā)新模式推進小組，通過制定完善的機制保障智能化多棧開發(fā)新模式的落地。500+3工程師人數(shù)~700人，累計400+工程師不止1個方向的跨棧實踐。30+~1000貝殼結(jié)合自身產(chǎn)業(yè)互聯(lián)網(wǎng)業(yè)務特點，針對小型需求、數(shù)據(jù)需求、前端復雜需求等不同需求通過不同團隊進行試點，并根據(jù)可復制情況進行推廣3~5pdtoQA、toFE、toRD等，大toDRD可用FCN低碼實現(xiàn)HOME-BIM重構(gòu)項目，需to客戶端：僅適用簡單類需多棧ios/android試點10%2010%。這一系列積極成果充分表明，通過多棧實踐和AI

11XX圖 騰訊云AI代碼助騰訊云AI方式將AI（VSCode或者JetBrians系列IDE）；而AI語言、技術對話等能力。通過騰訊云AI理論上，AI等。等。#等。等。騰訊云AII統(tǒng)能對IDEI實現(xiàn)測試的快速部署，確保代碼健壯性。與此相配合，騰訊云AI騰訊云AI@workspace和#Codebase等創(chuàng)新功能，開發(fā)者可對整個工程進行自然語言提問，快速獲取與代義指令功能，開發(fā)者可快速調(diào)用常用代碼片段或函數(shù)，調(diào)整AI型輸出效果；同時，騰訊云AI元大模型外，還可接入DeepSeek等多種主流大模型，為企業(yè)提供更加靈活、強大、安全的AI招商證券案例：金融科技領域的AI在人工智能技術飛速發(fā)展的背景下，AI工具。根據(jù)IDC82%的開發(fā)人員在使用自2023年開始探索AI的AII過不斷調(diào)試與優(yōu)化，該工具已能夠接受超過16萬行代碼，且補全的采納率達20%?？?，能夠及時調(diào)整運營策略，并提升用戶的使用積極性。不僅如此，重構(gòu)后的JetBrainsIDE使作效率。行業(yè)內(nèi)的實際應用案例顯示，AI招商證券的實踐案例充分證明，在金融科技等高度專業(yè)化領域，AI鑒的實施路徑，展現(xiàn)了基于AIGC 硅心科技級期刊和會議發(fā)表論文200余篇，其中多篇是智能化軟件工程領域的首篇論文和引用率最高的論文。公司為國家