长按二维码,关注官方公众号
豆包 MarsCode 智能研发应用探索
〇 分享简介 〇
过去一年通用大语言模型的技术突飞猛进，也诞生了很多新的应用场景，其中，将大语言模型结合到软件研发也吸引了大量企业和创业者的探索，并且持续不断有新的应用潜力被挖掘出来。
企业结合大语言模型进行代码生成的探索，这个过程会让企业收获积累许多技术和产品上的经验。在面对一个快速发展的领域，我们意识到需要根据当前模型的能力去设计合理的产品形态，需要算法和工程团队一起密切地进行产品迭代，结合软件工程方法去弥补当前模型的不足，同时从数据工程上帮助模型的持续提升。
本次分享将开发大模型应用的经验和最佳实践，以产品功能迭代的实践经历，帮助大家理解与一同探讨加速大模型产品的落地最有效路径。
〇 分享收益 〇
目标：
1、了解大语言模型的智能编程助手应该如何选择产品形态
2、构建有指导意义的指标体系，形成逐步对产品形态和功能进行演进
3、了解到未来智能研发产品的一些发展趋势。
成功要点：
产品形态的设计需要考虑模型的能力，从具备高容错性的功能入手，并设计一个科学的产品指标用于指导工程和算法的优化。
启示：
大模型有很高的上限，但也还处在技术演进的初期，应该选择高容错的产品形态，逐渐提升模型能力，进而再去探索更高阶的功能
〇 分享亮点 〇
1、智能编程助手 Copilot 产品的应用
2、MarsCode智能编程助手的探索历程
1）构建评测体系的重要性
2）如何定义科学的产品指标
3）A/B 测试的重要性
3、编程助手功能的演进和未来展望
1）代码编辑：代码补全的进阶
2）Agent 的探索：自动 issue 修复
3）未来基座模型和产品形态的展望
4、QA
字节跳动豆包 MarsCode 智能编程助手团队技术负责人、架构师，负责大模型结合开发者工具探索和产品化，包括编程辅助 Copilot （代码续写、代码编辑、代码问答）以及 Agent 智能体（代码调试、软件维护）等产品形态。14 年的软件开发和架构师经验，先后在腾讯和字节跳动工作，专注在性能优化、研发效能和研发工具链建设等方向。在字节跳动负责过 LLVM 编译器工具链，自研深度静态分析引擎，智能编程助手等方向，持续关注大模型在代码模态上的技术演进以及新型开发者工具的交互设计，擅长结合学术界工业界的前沿探索成果落地到软件研发过程。
