最新版本的 GitHub Copilot 在 Agent 和工程强化理解上做了非常多的 CoT 的尝试。本次演讲会先剖析 GitHub Copilot 是如何做到工程强化和理解，逐步讲解在探索中我们是如何利用 RAG 来实现项目内多文件作为上文的强化理解，并如何通过微调训练语料实现强化对于工程理解下的补全能力。满足客户对于有内部代码依赖库和业务封装组件下，能用 AI 方式落地企业内的产品。最后演示一下我们助手是如何强化理解工程，并在编辑器内唤起内联对话，改变 AI 时代下写代码的模式。

演讲提纲：

1. GitHub Copilot 工程强化理解
   • 介绍 GitHub Copilot 如何提高对项目的理解，特别是通过 CoT 尝试
2. 多文件理解与实现
   • 讲述利用 RAG 强化对项目内多文件上下文的理解
3. 微调训练以增强理解的探索
4. AISE 在国内企业的开发中的进展和挑战
   • 探讨国内企业内部研发面临的困境，以及 AISE 是如何提出新的方向建议
5. 演示和总结

听众收益：

• 了解 RAG、CoT、Github Copilot 对于工程强化的探索

大语言模型在代码生成领域取得了令人瞩目的进展。本次分享将聚焦基于大语言模型的代码生成技术,探讨代码补全和代码编辑这两种典型的应用形态。我们将分析当前代码补全面临的挑战和局限性,阐述代码编辑是如何在交互和构建方法上实现创新。最后, 展望代码生成技术未来的发展趋势和应用前景。

演讲提纲：

1. 代码补全: 代码大语言模型的初步尝试
   • 代码补全的工作原理
   • 如何科学地定义代码补全指标
   • 面临的挑战和局限
2. 代码编辑: 代码补全的进化
   • 2.1 代码编辑的概念解析
   • 2.2 交互形式的优化
   • 2.3 数据和模型的构建方法
3. 代码生成技术的发展趋势与展望

听众收益：

了解代码生成的核心概念、发展脉络、前沿进展

数据库系统，作为一种复杂的技术产品，其管理、运维和诊断历来是领域内的一大挑战。过去，我们依赖于专家系统、时序算法、强化学习等技术手段进行数据库优化，但这些方法往往只能针对特定问题发挥作用，难以全面覆盖数据库系统的各个方面。在本次演讲中，我们将探讨数据库领域面临的关键问题，并从 Copilot 的视角出发，介绍从 LLM 应用角度解决这些问题所需的技术能力。接下来，我们会详细说明如何通过 LLM 的 Flow 和 Agent 应用实现问题的实际解决方案，以及如何利用生产环境中的业务数据进行收集和反馈，从而持续提升 Copilot 的性能。最终，我们将演示 Database Copilot 如何解决具体的业务问题。

演讲提纲：

1. 数据库运维领域 Copilot 相关问题和进阶路线
2. Copilot 实践中不同问题领域所需的技术能力及落地实践
   • LLM 应用不同技术能力介绍
   • 快速交互型和任务导向型应用的落地实践
3. Copilot 的数据飞轮及应用效果优化方法
4. DataBase Copilot 的未来挑战
5. 简单演示

听众收益：

• 了解数据库领域 Database Copilot 的挑战及落地方案
• 了解 Copilot 中不同层级（Flow、Agent） LLM 应用的构建方法
• 了解如何使用数据飞轮优化应用效果
   

在过去几十年里，商业智能（BI）技术经历了多代发展，从初期的数据仓库和报表工具到今天的高级数据分析和机器学习模型。尽管技术不断进步，BI 工具的复杂性却使其成为了少数专业人士的专属领域。这种局限性不仅阻碍了数据驱动决策的普及，也限制了企业对数据价值的充分挖掘。本次演讲将探讨如何通过大型语言模型（LLM）的应用，突破这一界限，使 BI 工具变得更加普及和易用。

演讲提纲：

1. BI 的发展历程
2. LLM 在 BI 场景的应用思路和难点
3. LLM 在数据开发场景的应用思路和难点
4. LLM 评测与效果优化方式的选择

听众收益：

• 了解大语言模型（LLM）如何通过自然语言处理（NLP）能力，降低 BI 工具的使用门槛，使非技术用户也能轻松进行数据查询和分析。
• 了解大语言模型（LLM）应用的开发思路和效果优化手段