专题演讲嘉宾：牛俊龙

在当今的研发领域，人工智能正迅速地在代码补全、对话系统、文本到代码转换等多个应用场景中重新定义我们的工作方式。CodeFuse 是一款基于大模型构建的智能代码助手，经过一年多的快速发展，对这些研发场景提供了经过实践检验的解决方案。本次演讲我将分享 CodeFuse 在这些领域中的实践经验。

从人工智能在 2024 年度对研发领域带来的变革与机遇出发，阐述 CodeFuse 如何有效应对这些变化。探讨在整体架构设计上 CodeFuse 解决了哪些关键问题，以及其如何在各个研发场景中发力。随后，我将详细介绍本地核心服务的设计策略，通过实际案例展示如何结合本地与远程数据资源，进一步优化智能代码助手的 AI 能力。此外，我还将分享产品在落地过程中的宝贵经验和教训，并展望 CodeFuse 的未来发展路径。

演讲提纲

1. 人工智能带来的变化

• 2024 人工智在研发领域带来的收益
• CodeFuse 在提升研发效率与质量中的关键解决方案

2. 技术架构与核心能力

• CodeFuse 的整体架构设计与其技术优势
• 利用本地核心服务构建上下文感知（ICL）能力的策略
•  挖掘数据中的有效信息，提升 AI 能力
• 确保上下文感知（ICL）的扩展性以满足多样化业务需求

3. 实际效果和案例分享

• 典型业务场景的功能演示
• 基于实际应用的成功案例分享与分析

4. 经验与总结

• 工程实施中的挑战与应对策略

5. 未来展望

• 对智能研发工具未来发展方向的深入思考

您认为，这样的技术在实践过程中有哪些痛点？

• 模型推理速度以及 GPU 资源限制
• 补全和对话侧重点不同，数据提取和检索需要做多维度的考虑
• 复杂的 AI 任务，对工程和模型能力都有很高要求，效果不如预期

演讲亮点

• 解密 CodeFuse 智能代码助手的设计理念与构建策略
• 详细剖析如何在多元化业务场景中实现高效数据处理的技术方案

听众收益

• 深入了解人工智能技术在研发领域的实际应用与显著收益
• 探索 CodeFuse 智能代码助手的核心技术与其在项目中的实践经验
• 获得针对不同业务场景实施数据处理方案的具体见解和示例