公益 建网站,WordPress更新时间,wordpress 插件下载,的网站制作在周末的公司【AI4SE 效能革命与实践#xff1a;软件研发的未来已来】直播里#xff0c;我分享了《AI编码工具 2.0 从 Cursor 到 AutoDev Composer》主题演讲#xff0c;分享了 AI 编码工具 2.0 的核心、我们的思考、以及我们的 AI 编码工具 2.0 探索实践。 在这篇文章中软件研发的未来已来】直播里我分享了《AI编码工具 2.0 从 Cursor 到 AutoDev Composer》主题演讲分享了 AI 编码工具 2.0 的核心、我们的思考、以及我们的 AI 编码工具 2.0 探索实践。 在这篇文章中我将分享这次演讲的内容希望能够给大家带来一些启发。 一、AI 编程工具 2.0 趋势分析 我们分析了市面上最受欢迎的 AI 编程工具如 Cursor、GitHub Copilot Edit、WindSurf、Cline 等简单总结一下新一代 AI 编程工具的特点 AI 编程工具正在从代码补全、代码预测到更加智能、更耗费 token 的 AI 自动化编码与验证以及正在发展中的异步 AI 编码。 基于这些特点我们认为 AI 编程工具 2.0 的核心特点应该是 Agent 驱动。依赖于基础模型的强大推理能力结合在编程工具中提供更快、更好的获取上下文可以让 AI 编程工具更好地理解开发者的意图并编写出更加符合开发者预期的代码。开发者体验优先。结合开发者日常活动更好的满足开发者的心流诸如编辑预测、自动测试等;诸如 Cursor 结合开发者活动提供了大量机制来降低心智成本以及应对失败和重试等。自动化校验。即自动化校验 AI 生成代码的质量、业务逻辑正确性、修复幻觉导致的问题诸如 patch等从而在机制上减少幻觉带来的影响诸如 Cursor 集成大量实用的 Lint、Terminal 等工具提供自动化检验手段。 当然了它们还有其它非常不错的范式 容错式交互采用「生成-校验-回滚」的三阶段机制降低心智负担场景化聚焦针对代码评审、漏洞修复等场景设计专用交互流 当前主流的 AI 编码 2.0 工具主要集中在 VSCode 平台上而 VSCode 只是一个编辑器它的 API 限制了 AI 编码工具的功能扩展阻碍了更高级功能的实现。我们便开始思考直接在 IDE 上构建 AI 编码工具会不会是一个更好的选择 二、我们的 AI 编码工具 2.0 的思考 我们在内部做了一些新一代编码工具收集发现典型的 Intellij IDEA 用户会使用 Cursor 来生成代码然后再回到 IDEA 中进行测试和调试。分析其中的原因我们发现尽管 Cursor 能提升开发效率但是它并没有 IDEA 带来的提升大即 IDEA 与编辑器的能力差异使得 IDEA 提升反而更大。 因此我们开始思考如何更好的开发 AI 编码工具 2.0 思考 1编辑器优势在于体验IDE 优势在于生态集成 我们简要分析了编辑器与 IDE 的优势与劣势 VSCode 显著优势可以快速开发功能原型、迭代缺点插件丰富但是质量低需要重新开发和设计。尽管有 LSPLanguage Server Protocol、DAPDebug Adapter Protocol等MCPModel Context Protocol等但是并不能提供非常好的集成。 Intellij IDEA 系列 显著优势开箱即用高质量的官方插件可以提供高质量的上下文缺点开发成本高、速度缓慢、文档缺失AI 无法生成靠谱的代码 因此我们认为AI 编码工具 2.0 应该更多的借助工具生成的能力 思考 2借助 IDEA 插件生态构建端到端自动化 在现有可参考的工具里IDEA 是一个非常好的示例诸如在后端 API 开发场景它非常好的集成【设计-开发-校验】相关的工具生态。诸如 设计Swagger、PlantUML、Mermaid 等工具开发HttpClient、Curl、Database 插件等校验JUnit、Playwright、SonarLint 等 有了这些插件后我们可以构建面向 AI 的接口提供更好的提示词、工具以及对应的校验机制。 思考 3构建高质量的上下文减少幻觉产生示例 以后端开发为例我们可以通过三种工程构建 Agent 驱动的 AI 编码工具核心 软件工程的上下文工程。获取项目中的关键上下文诸如于依赖信息、数据库信息、框架信息等示例This workspace use GradleJavaJDK_18This project use MariaDBYou are working on a project that uses Spring Boot 2.7.10,Spring MVC,JDBC to build business logic.函数调用工程OpenAI)。即持续围绕不同的场景让模型更好的理解不函数如何调用做更好的集成。提示词工程Claude。面向不同的模型提供思考过程范例让模型更好的学习。 更好的上下文配合上更好的提示词意味着更少的幻觉。也因此工具的各种指标诸如可用性、接受度、准确度等都会有所提升。 三、我们的 AI 编码工具 2.0 探索实践AutoDev Sketch 基于我们的分析和思考我们开始构建我们的 AI 编码工具 2.0AutoDev Sketch。它的核心应该是高质量系统提示词 LLM “推理”能力获取 IDE 中的关联上下文渲染为交互式视图Sketch View。 1. 构建高质量的上下文与工具使用 鉴于我们的思考我们在 AutoDev Sketch 深度集成了 IDEA 插件诸如于 Database 组件提供统一的数据库能力作为上下文、工具封装快速帮助开发者进行数据库处理。它可以在三个步骤帮助 AI 更好地与数据库交互 系统提示词。当用户连接了数据库时会在系统词中添加Users workspace context is: This project use MariaDB 11.5.2-MariaDB工具使用。与此同时AI 在识别到需求后可以调用 Database 工具来获取数据库信息 /database:schema以帮助生成对应的代码。SQL 交互。最后模型不仅可以生成 SQL 代码还可以与数据库进行交互以验证生成的代码是否正确。同时我们也将在未来提供对应的 SQL 代码校验机制。 除了 Database 组件我们还提供了其他插件如HttpClient、SonarLint 等以帮助开发者更好地进行开发、测试、校验。 2. 丰富的工具构建自动采纳的最后一公里 与 Cursor 这一类基于 VSCode 的 AI 编辑器相关我们加入了更多的 IDE 原生的功能以提升开发者的体验。如下是 AutoDev Sketch 的工具列表 诸如 run、 refactor、 structure 等都是 IDE 原生的功能我们将其封装为工具以帮助 AI 更好地理解开发者的意图并生成更加符合开发者预期的代码。 3. 多样化 Sketch 视图构建开发者心流的连续性 在 AI 针对问题生成代码后我们将代码渲染为交互式视图Sketch View以帮助开发者更好地理解代码提升开发者的体验。这是就需要充分考虑不同场景下的交互可能性 如下是 AutoDev Sketch 提供的连续性交互示例 多种化的 Patch/Diff 处理 并针对生成代码进行 Lint 检查等前端应用在启动 dev 服务时 自动打开 WebView 查看编译正确生成依赖文件时可提供依赖的安全检查等 通常这种连续性降低了开发者的心智负担提升总体的开发体验。 AI 编码工具 2.0 总结 我们可以对 AI 编码工具 2.0 的核心特点进行总结分考虑与研发知识库、工具生态的结合部署最新模型以刷新认知关注开发者日常活动 充分利用研发生态结合研发工具链和知识库提升 AI 编码工具的智能化。开发者编码心流通过持续性自动化修改提升开发效率。多种规格 AI 模型支撑通过规划、理解、补全等不同模型满足多样化的开发需求。 通过 AutoDev Sketch 的探索相信大家也知道如何通过高质量上下文、丰富的工具集成和交互式视图构建下一代 AI 编码工具提升开发者的效率和体验。
