近年来，以 Claude 和 Cursor 等为代表的大模型及其相关的 IDE 呈现出蓬勃发展的态势。这股浪潮显著推动了AI Agent 驱动的编码辅助工具快速涌现，开发者可借助图生码、意图生码、智能改写、外部工具链编排调用等创新性能力，从而显著提升软件开发效率、优化编码流程，并加速高质量代码交付。本次演讲我将围绕支付宝 KMP 原生跨端框架，分享 KMP AI Agent 编码助手相关实战经验，以及如何帮助 KMP 开发者进行研发提效。

演讲提纲

1. 支付宝 KMP 原生跨端技术介绍

• 支付宝 KMP 跨端技术应用情况
• 端基础框架基于 KMP 做了哪些能力延展

2. KMP 跨端研发现状及痛点

• 开发者实际编码过程中的痛点总结
• 主流 AI 编码助手能否解决研发痛点

3. 面向 KMP 的 AI 编码助手方案

• 架构及能力介绍
• Agent 编码助手核心功能演示
• 结合案例讲解 Agent 核心实现细节
• 实践经验总结

4. 未来展望

• 编码助手持续优化与创新路径
• AI Agent 面向端研发全周期的应用趋势

您认为，这样的技术在实践过程中有哪些痛点？

• 社区 KMP 技术处于新兴阶段，基础模型对于 KMP 知识的理解存在一定上限
• 内部 KMP 代码编写场景不如原生技术栈丰富，训练集、测试集等样本不足，导致模型理解存在偏差

演讲亮点

• KMP 跨端融合 AI Agent，两种前沿技术的结合碰撞出新的思维火花

听众收益

• 了解如何借助 AI Agent 编码工具提升跨端研发效率
• 了解支付宝 KMP 原生跨端发展情况
• 用通俗易懂的方式，帮助开发者理解 AI Agent 编码助手背后的技术实现