专题演讲嘉宾：徐翔

随着AI Coding技术的飞速发展，大模型能力不断增强，MCP、Skills等工具协议日趋标准化，智能体的能力边界不断扩展。然而，一个根本性挑战始终存在：模型上下文窗口的限制。在企业级复杂编码场景中，如何在有限的上下文窗口内让大模型高效完成任务，已成为制约AI编码落地的关键瓶颈。同时，企业内部用户群体多元化，需求各异，如何平衡标准化与个性化，是另一个亟待解决的难题。

本次演讲将深入分享JoyCode在京东内部的真实实践经验，探讨我们如何突破这些挑战，构建真正适用于企业级场景的AI编码解决方案。

演讲提纲

1. JoyCode面临的核心挑战
   • 业务场景复杂：专业壁垒与自研生态京东作为电商巨头，业务场景极其复杂，涉及零售、物流、金融、健康等多个专业领域。
   • 大量自研框架、中间件和业务组件构成了独特的技术生态，这对AI编码工具提出了极高的专业领域知识要求。
   • 用户画像丰富：千人千面的需求图谱从初级开发工程师到资深架构师，从业务开发到基础架构，从敏捷团队到传统瀑布模型，京东内部用户群体呈现出高度多元化的特征。不同角色对AI编码工具的期望和使用方式存在显著差异，如何满足多样化的需求成为一大挑战。
   •  复杂长任务：上下文膨胀的困境企业级开发任务往往涉及跨模块、跨系统的复杂变更，单次任务可能需要理解数千个文件、数十个服务。这种复杂性导致上下文迅速膨胀，远超模型的处理能力，形成"上下文爆炸"的困境。
   • 超大代码仓：海量上下文的理解难题如庞大的代码海洋中，如何快速定位相关代码、理解业务逻辑、避免重复造轮子，成为AI编码工具必须解决的核心问题。
2. JoyCode的创新解决方案
   • 企业知识增强：构建智能化的知识基础设施
     • RepoWiki：代码知识的三维可视化：我们将代码仓库转化为可交互的知识图谱，通过RepoWiki实现代码结构、依赖关系、业务逻辑的三维可视化。这不仅帮助AI更好地理解代码上下文，也让开发者能够直观地探索代码库，快速定位关键信息。
     • 企业知识融合：打通内部知识平台：通过与京东内部知识平台深度集成，我们将产品文档、技术规范、最佳实践、历史经验等企业知识无缝融入AI编码流程。当开发者编写代码时，AI能够实时引用相关的业务规则、技术标准和历史决策，确保代码符合企业规范。
   •   智能体能力增强：构建多层次的智能协作体系
     • Skills生态：按需加载的能力扩展：基于标准化 Skills 框架，我们构建了可插拔的能力生态系统。根据任务需求动态加载相应的工具和技能，既保证了功能的丰富性，又避免了资源的浪费。
     • 多智能体协同：团队智能体+自定义智能体+企业知识的三位一体：有效应对不同用户群体的多样化需求。
     • 自主规划生成：Spec+TRD+Rules 智能化代码生成：通过整合技术规范（Spec）、技术需求文档（TRD）、编码规则（Rules），实现了业务特色代码的自主规划和生成。
   • 上下文工程管理：突破窗口限制的技术创新
     • 多路检索引擎：精准高效的代码定位：重点打磨检索工具，多路并行的检索策略，实现了按需读取，大大提升了上下文获取的效率和准确性。
     • 外置记忆系统：窗口有限，记忆无限：将短期记忆外置存储，构建了持久化的上下文记忆系统。AI能够记住之前的对话内容、代码变更历史和用户偏好，实现跨会话的连续协作。这种"窗口有限，记忆无限"的设计理念，从根本上突破了上下文窗口的限制。
     • 代码图谱：海量上下文的快速理解：通过构建代码图谱，将代码库转化为结构化的知识网络。AI能够通过图谱快速理解代码间的复杂关系，识别关键节点和核心路径，在海量上下文中迅速定位关键信息，大幅提升理解效率。
3. 未来趋势：一切尽在上下文
   • 自主规划：基于全面的上下文理解，AI自主设计最优实现路径
   • 异步委派：复杂任务异步执行，上下文持续积累，结果主动推送
   • 可观测评估：上下文驱动的任务监控与质量评估体系

这样的技术在实践过程中有哪些痛点？ 

1. 上下文窗口限制与复杂场景的矛盾
   • 上下文爆炸：企业级复杂长任务导致上下文迅速膨胀，超出模型处理能力
   • 专业领域知识鸿沟：大量业务特定知识和自研框架增加了理解难度
2. 多样化用户需求的平衡挑战
   • 用户画像复杂：不同角色（开发、测试、架构师等）有截然不同的使用场景和期望
   • 个性化需求冲突：标准化工具难以满足所有用户的特定需求
3. 知识孤岛问题
   • 企业知识分散：内部知识平台与编码工具割裂，无法有效融合

演讲亮点

1. 创新的上下文工程技术
   • RepoWiki 可视化：将代码知识转化为可交互的知识图谱，实现代码结构的直观理解。
   • 多路检索 + 按需读取：突破传统全文检索局限，实现精准、高效的代码定位。
   • 外置记忆系统：创造性地将短期记忆外置存储，实现“窗口有限，记忆无限”。
2. 多智能体协同架构
   • 团队智能体 + 自定义智能体 + 企业知识：各司其职又协同工作。
3. 企业级知识工程
   • 知识平台打通：实现内部知识平台与编码工具的无缝融合。
   • Spec + TRD + Rules：完整的业务特色代码生成框架，确保输出符合企业规范。

听众收益

1. 实用的技术解决方案
   • 可落地的上下文管理策略：直接可用的超大代码库处理方案。
   • 多智能体设计模式：企业级 AI 工具的产品架构参考。
   • 知识工程实施路径：企业知识如何有效融入 AI 编码工具。
2. 避免常见陷阱
   • 用户需求平衡策略：如何在标准化与个性化间找到平衡点。
   • 知识孤岛破解方法：企业知识如何有效沉淀和复用。
3. 前沿技术趋势洞察
   • 记忆系统演进方向：从简单提示工程到复杂记忆架构的发展趋势。