刘亚丹:投入这么大做 AI Agent ,如何衡量它的投资回报率?除了“提效”,还有哪些更重要的衡量维度? 从 AI 提效的角度看,我们常用的衡量指标无非包括代码产出量、有效代码比例、自动化测试用例数量、UI 比对识别问题数等。 但若要准确衡量 AI 带来的整体提效,比如“效率提升 30%”这样的指标,其实从完整的研发生命周期角度来看是很难量化的。回顾我们项目的推进,大致经历了三个阶段。 第一阶段是“氛围带动期”。 提质提效的指标怎么设?我们当时并未过分强调效率指标,而是聚焦如何“快速把事情做成”。 观众:AI 教练是做什么的?企业大规模 AI 提效涉及用户教育,应如何完成?
filtered_text = filter_sensitive_words(text_to_filter) print(filtered_text) # 输出应该是替换掉敏感词的文本 #腾讯云AI代码助手 # 使用 AI 代码助手的体验令人印象深刻。 无论是查找代码片段、调试问题,还是学习新技术,AI 代码助手都表现出色。它的智能搜索和自动补全功能尤其实用,节省了大量时间。总之,AI 代码助手是开发者的得力帮手。
Unit Mesh (https://github.com/unit-mesh) GitHub 组织正是基于我与我的同事的研究,所构建的一系列围绕于生成式 AI 应用于软件研发的开源项目。 在这篇文章里,我们将总结 Unit Mesh 的一系列项目,从国内最早开源的微调 Llama、 ChatGLM 用于研发流程的 Unit Minions 项目、国内(或许在全球也是)功能最丰富的 AI Copilot 型工具:Co-mate 和 Studio B3 在现有的研发工具链里,我们已经有不同的工具,它们只需要结合 AI 来增强这个过程。 研发过程工具:DevOps Genius(探索性) DevOpsGenius 起初是为了探索在如何 IDE 与 DevOps 平台进行 CodeReview 的协同。 通过持续地内建研发基础设施分析能力,来加速生成式 AI 的应用。
同时我也整理了一个简单实现案例,方便给大家参考 https://github.com/chameleon-team/cml-best-practice 五.总结 日常开发中,我们面临的问题无非是 开发提效
其实mock除了可以解决上述的问题,它适用于研发过程各阶段,比如:服务联调、性能测试、自动化测试、流量染色和录制回放等场景。这篇文章,我想聊聊我对于mock的理解,它的特点、应用场景以及价值。 我们日常的软件研发工作中,整个过程还是比较长的。从需求到线上发布,要经过多个角色多个流程协同配合才能完成。 一方面,将Mock服务化,其他调用方或者使用方只需要简单便捷的操作即可快速解决问题,提升研发效率和任务进度,降低风险;另一方面,Mock服务化本身也更适合当下的软件研发现状,避免内部重复实现和造轮子。
如何利用腾讯云的AI工具辅助研发工作提效。腾讯云AI工具简介腾讯云提供了丰富的AI服务,包括但不限于计算机视觉、自然语言处理、语音识别等,这些服务可以帮助开发者在不同的场景下提高研发效率。 借力腾讯云AI工具提效的经历1. 计算机视觉应用在软件开发过程中,计算机视觉技术可以用于图像识别、内容审核等场景。 案例:一个电商平台的研发团队使用腾讯云的图像识别服务来识别商品图片,自动分类和标签化,大大减少了人工处理图片的时间。2. 自然语言处理(NLP)NLP技术可以用于文本分析、情感分析、机器翻译等。 重点讲解腾讯云的AI工具腾讯云AI工具的使用步骤注册与认证:在腾讯云官网注册账号并进行实名认证。服务选择:在腾讯云控制台选择所需的AI服务,如腾讯云OCR、腾讯云语音识别等。 通过这些案例和步骤,我们可以看到腾讯云的AI工具如何在实际研发工作中发挥作用,帮助开发者提高工作效率,降低成本。开发者应当积极探索和应用这些工具,以顺应AI技术的发展趋势。
组装式App又为何能助力企业研发提效?下面我们就来了解一下组装式应用。“组装式应用”可以理解为一种技术理念,倡导的是任何企业数字化技术元素均可被组合。 多边技术发展齐头并进,软件研发效率有望进一步提升承认与否,我们的世界都在被互联网悄然改变。近几年的新冠疫情,更是企业业务数字化的催化剂。 与此同时,技术的百花齐放,让智能设备的研发提速有了新的技术解决方案。首先说说小程序生态。
在我国,人工智能(AI)技术正逐步渗透到各行各业,为传统产业注入新活力。作为一名开发者,我有幸借助腾讯AI这股强劲力量,实现了研发工作的提效。 在此,我将分享我的AI辅助研发经历、实践探索以及如何顺应AI发展的心得。一、借力腾讯AI,辅助研发工作提效1. 项目背景去年,我所在的公司接手了一个大型软件开发项目。 为了提高研发效率,我们决定尝试借助腾讯AI技术。2. 拥抱AI工具市面上有许多优秀的AI开发工具,如腾讯AI开放平台、百度AI等。开发者应充分利用这些工具,提高研发效率。3. 创新思维AI技术为软件开发带来了无限可能。 开发者要敢于创新,探索AI在各个领域的应用场景,为企业创造价值。总结:借助腾讯AI,我们实现了研发工作的提效,并为公司创造了丰厚利润。
对于那些已经排期的工作,看下前提条件是否都已经具备、进度是否符合预期、是否有什么阻塞、啥时候提测、谁在测试、上线了么、有无bug.....
现在的移动应用对研发效率有很高的需求,不仅追求应用本身功能实现,也要求应用具有多点触达用户的多端能力。 那些在研发过程中的痛点开发效率低发版周期长相信很多大佬用 Native 或者 Hybrid 的模式开发都深有体会,原生开发模式需要多个平台投入巨大的时间和人力成本进行开发,而多人多模块协作和跨团队协作也加大了工作的复杂度 敏捷迭代开发,模块化动态更新提质增效借助小程序容器技术将臃肿的 App 功能打散,功能模块互相解耦实现模块化开发,各业务模块间互不影响,通过管理后台即能实现动态更新与发布,极大的提升开发效率,降低开发成本
path of the, first specified, Compose file) -p, --project-name string Project name 四、总结 现在不仅AI
作者|Phodal 编辑|邓艳琴 本文的阅读成本很低,不需要大量地先验 AI 知识。 在构建了 ClickPrompt、ChatFlow 之类的 Prompt 管理平台之后,我们开始探索适合于企业的 AI 编程提效方式。 AI 辅助将详细的需求设计翻译为目标的代码,再接着由人类去检查和完善。 测试生成。AI 辅助根据生成的代码生成对应的测试代码,再接着由人类去检查和完善。 github.com/unit-mesh/unit-minions 作者简介 Phodal,Thoughtworks ArchGuard 架构师,长期活跃于开源软件社区 GitHub,目前专注于编程语言、云研发 AntKV::蚂蚁实时计算 KV 分离 5x 性能提升实践 更多精彩内容尽在 QCon 广州,我们还从稳定性即生命线、出海的思考、AGI 与 AIGC 落地、下一代软件架构、研发效能提升、DevOps
这些问题对于软件研发效能提升造成了诸多障碍,使得代码中存在很多风险点。 基于代码质量追踪和开发知识积累,我们希望能够面向开发人员以及质量保障和管理人员提供精准效能分析,从而来助力软件开发的提质增效。 三、实践探索 ? 克隆检测,这方面我们自己研发了一种高性能的代码克隆检测技术,可以支持多粒度、多形态的代码克隆分析。 ,通过多维度、有追溯代码大数据分析助力软件开发提质增效。 还有特性实现难度与创新度,这个都是实践探索,通过代码大数据呈现更加深层次度量和分析的结果,从而解决前面提到当前软件研发实践当中我们软件度量所面临的困境。
对于研发效能团队建设和组织,本文不再赘述,可以参考之前的文章,已经讲得很透彻了。本文重点讲我们日常是怎么开站立会,怎么让团队跑起来,高效能产出的。
而做这个项目的目的就是为提高前端同学的研发效率,少写代码甚至不写代码。 所以京东就开始探索,如何利用设计稿直接自动生成代码的解决方案(匹配多端)。这里主要分为两个阶段。 再加上AI协助处理文字分类、图片分类、翻译服务等。最后给到各个节点类名进行语义化处理。 最后,生成代码。 这里的代码要支持各类DSL及扩展。否则意义就不大了。 这时候的代码,还是静态代码。
部署“云开发+大语言模型”融合架构 为突破传统研发成本限制,腾讯云提供了以“云开发 / Serverless”为底座,深度结合AI大语言模型(整合DeepSeek与腾讯混元)的低代码解决方案,实现应用自主化与数据线上化 重塑研发效能与运维经济性指标 应用AI低代码与MCP架构后,企业在开发效能与人力成本控制上呈现出可量化的业务价值指标: 开发效能提升率:60%-70%。 极限人力交付指标:2人研发团队。在人力严重不足的极端条件下,仅凭极少数后端开发人员即可完成全套企业级核心系统的从0到1构建与平滑迭代。 公司精简组织架构后,具备行业经验的研发人员未能及时招募,研发团队仅剩2名后端开发人员。 落地效果:2个研发人员成功且快速地构建了完整的ERP系统。平台灵活性使得企业能够敏捷响应市场变化,及时调整应用功能,大幅节省了传统开发所需的时间和人力资源,显著降低了开发及运维投入。
提供基于腾讯实践的敏捷与AI解决方案 腾讯TAPD凝聚了腾讯二十年敏捷项目管理最佳实践,融合Scrum/XP/FDD等主流敏捷方法,提供覆盖全场景的研发平台: 项目集协同:支持自由组合项目集,关联多个项目的需求和缺陷 AI测试解决方案:通过需求模块拆解、测试点生成及RAG(检索增强生成)技术,结合测试因子库,自动生成测试用例。支持自定义AI智能体,调节模型温度、TopP等参数以控制输出。 AI反馈管理:原生连接微信小程序,自动拉取反馈数据,智能条目化并生成标题、关键词、情感及优先级;根据识别类型自动转化为研发需求或缺陷,并生成分析报告。 AI提效价值:通过AI用例评审,系统能识别步骤缺失(如“步骤1缺乏用户登录的详细描述”)并给出建议,直接提升用例可用性与规范性。 AI技术加持:引入DeepSeek等模型能力,支持AI智能总结(生成个人月报、周报、双周报)及智能数据洞察报告。
导语 | 在云原生时代,研发效能治理面临新的挑战,同时也获得了新的视角。如何更好地利用云原生技术的优势,从而在根本上提升研发效能,已成为许多企业数字化转型过程中的“必答题”。 因此,考虑到业务需求,大型企业需要正视其不同的研发模式,而云原生正与此相关。 研发云原生综合治理体系 和持续治理机制 研发云原生是一项综合治理工程,我们需要从研发团队、开发者、工具平台等各个方向去打造。 研发云原生的提效抓手 尽管研发云原生面临的挑战重重,但是在云原生转型过程中仍有不少值得把握的机会。一是架构上必须狠下工夫,云原生不是让大家把现有的东西直接搬到云容器里面去,这称之为上云而非云原生。 三是在工程实施上一定要提降本增效。要想真正走进云原生,降本增效也是不可或缺的,这对企业来说就是真金白银。
即梦 AI 快速生图 将对应的 AI 提示词交给即梦 AI,选择相应的模型和宽高比,进行提交。 快速传送门:即梦AI传送门 即梦 AI 首页 -> 创作 -> AI 影片 提示词示例 主提示词:品牌级中秋节海报,红色丝绒质感背景,金色祥云环绕,一轮饱满的圆月高悬夜空,月光呈现柔和的琥珀色光晕 使用示例:豆包 流程速览: 准备一张参考图(最好清晰、文字可辨) 用“反推模板”让 AI 做画面拆解 让 AI 输出最终可用的中文提示词(包含文字/Logo 位置信息) 把提示词复制到即梦 AI 生图 反向推导提示词 将图片和提示词模板一同交给生图 AI(此处用豆包),拿到“可直接生图”的中文提示词后,再复制到即梦 AI 进行生成。 即梦 AI 快速生图 将最终 AI 绘画提示词复制,放在即梦AI中进行生成 提示词示例 超写实3D渲染,中秋主题场景近景特写:画面中心是一枚精致雕花月饼,呈圆形,饼皮金黄棕色调带光泽,表面浮雕“中秋”二字
腾讯研发管理的秘密武器 自动化助手是TAPD推出的业务规则平台,提供开放灵活的规则指令,简洁易用的配置,用 「触发条件 + 执行动作」 的方式进行规则编排和执行。 作为腾讯研发管理的秘密武器,TAPD自动化助手帮助处理繁琐流程,提升跨平台协作效率。 定期提醒成员按时交付 非周期性的催办场景,比如同步本迭代延期的需求,主动发起通知 迭代结束前,自动检测延期需求,并规划至下一迭代 小技巧: 除了设置定时提醒外,也可以通过「定时器 + 自动化规则」的组合,结合研发场景 「 状态联动,流转校验 」 TAPD工作流可以帮助团队将研发流程标准化、规范化,提升团队流程管理效率。但需求状态流转不及时,或者流转时遗漏了重要信息,又常常给研发流程造成新的问题。