自 LLM 用于辅助编码以来，Al 增强开发成为目前最具革命性的技术趋势，人类开发软件的方式正在发生根本性的变化。预计未来几年，世界上每一位工程师都会在 AI 辅助下进行开发，这是一个令人振奋和向往的技术浪潮，豆包 MarsCode 作为浪潮中的一份子，对AI Coding 技术在编码开发场景的落地有一些自己的见解。本次演讲我们将分享豆包 MarsCode 在 AI Coding 方向的实践和探索，探讨 AI 与编程工具如何深度融合以及我们对未来软件开发形态的展望。

演讲提纲

1. AI Coding 的演进史和发展趋势

2. AI 代码补全和 AI 问答的效果优化实践

• 代码补全关键指标 (CPO) 
  • CPO 的定义要素
  • 如何用 CPO 衡量代码补全的真实价值
•  代码补全核心实现架构
  • 如何降低 debounce，提升注释、补全的续写效果提高尝试率
  • 如何通过模型推理优化和网络、压缩等工程侧优化提升反馈速度
  • 如何通过推荐时机优化和模型训练提升采纳率
•  基于 CKG 优化 AI 代码知识问答效果实践

3. AI Coding 带给 IDE 的变革和工程实践

• AI IDE 核心三要素：AI 原生交互 + 随时随地开发 + 服务集成化
• 基于前后端分离实现 IDE 模块解耦划分
• IDE 性能优化：Rust 重构、通道复用、协议压缩、Web Component 化
• 云 IDE 秒级启动实践：基于 K8s 定制池化调度策略、存储热挂载、进程 HotReload

4. 未来 AI Coding 的展望

• 谈谈下一代的 AI Coding 技术
• 升级版 AI 代码编辑推荐 (补全 Pro) 和 AutoDebug 的产品化探索
• 未来软件开发趋势展望

实践痛点

1. 如何更好去优化 AI 代码补全，如何定义指标，如何从算法侧和工程侧如何综合去优化整个链路
2. AI Coding 新技术多且不算特别成熟，如何基于当下评估能力的可用性，做新技术的探索和落地
3. 云 IDE 如何做工程化落地 AI 给 IDE 带来的变革

演讲亮点

1. 字节跳动对于 AI 代码补全和 AI 问答的效果优化实践
2. 字节跳动对于 代码推荐 (补全 Pro)  和 AI AutoDebug 两类新 AI Coding 场景的技术探索和产品化落地探索
3. 业内 Top 级云 IDE 工程

听众收益

1. 了解目前 AI Coding 领域最前沿的行业动态和知识
2. 了解 MarsCode 在 AI 代码补全效果和 AI 问答效果的优化实践
3. 了解 AI 代码编辑推荐和 AI AutoDebug 两大即将普惠的 AI Coding 技术和对其在落地形态的思考和探索
4. 了解 MarsCode 在 AI IDE 领域关键工程技术和实践经验