代码大模型被视为大模型在垂直领域落地的“低垂果实”，如今互联网大厂已经人手一个。但是，落地真的简单吗？旧有平台，代码大模型如何进行改造？Devin 工程师带来的研发模式颠覆，如何结合现有能力从头开始构建？最后，即使是编码领域，大模型就能打透吗？CodeFuse 代码大模型在蚂蚁落地已一年多，对这些问题也有了一些自己的见解。本次演讲从提升研发效能的场景出发，介绍基于大模型的蚂蚁智能研发体系，阐述相关的技术方案和选型，以及在大模型落地上工程领域上的实践及对应结果。

演讲提纲

1. CodeFuse在蚂蚁研发全生命周期提效的探索
2. 蚂蚁智能研发发展路线

• Copilot 模式，为公司内传统效能平台提供快速接入 AI 能力的方案
• Copilot + Agent 模式，将传统效能平台自身能力与大模型相结合

3. CodeFuse 研发助手关键技术以及难点突破

• 基于上下文感知学习 ( ICL ) 能力，解决模型幻觉问题
• 基于多智能体 ( multi-agent ) 协同对话能力，提升业务问答和业务代码生成的准确度
• 基于反馈飞轮，充分利用反馈数据进行模型自我强化及自动化学习

4. 未来软件研发领域发展方向思考

实践痛点

1. 大模型推理速度 以及 GPU 资源限制
2. Agent 模式下，研发过程的标准化与领域建模、平台协作
3. 代码补全模型与对话模型所需能力侧重点不同，在训练和 FT 上需额外考虑
4. 代码大模型线上评测集效果很好，但实际应用有 GAP，需要从工程上弥补

演讲亮点

1. 由大模型贯穿全生命周期的智能研发体系建设思路
2. 代码大模型领域最前沿的 Prompt 工程

听众收益

1. 了解蚂蚁研发助手的关键技术
2. 传统效能平台大模型改造方案