代码智能化是当前AI落地最火热的赛道之一，国内外各头部大厂、明星创业公司都在开足马力全力探索。我们可以深切感受到，AI 确实正在重塑软件开发行业，很多创新的、甚至是革命性的AI 编程工具和新体验纷至沓来。那么，代码智能化目前实际应用的效果究竟怎么样？在真实严肃的研发场景中，哪些技术和实践已经被证明是有效、可落地的，哪些还在Demo阶段或是初步探索期？网络上的声音很多，各种新闻和博眼球的文章也较为杂乱。

本次演讲将分享在拥有数万人研发的企业内部，代码智能化近两年来所遇到的挑战，当前已实际落地的产品形态、应用场景及所解决的问题，在实践中产品与技术的最新演进情况，以及对未来发展趋势的展望。

演讲提纲

1. 代码智能化的行业共识
2. 代码智能化在万人规模公司落地的四个方向与三种形态
3. 代码补全：基础补全与高级功能的实现与背后的新架构
4. 技术对话：产品+模型+工程的螺旋式升级过程
5. 代码评审与单元测试的差异化定位与技术演进
6. 代码智能化产品建设的经验总结与发展方向展望

您认为，这样的技术在实践过程中有哪些痛点？
大模型能力日新月异，开源社区发展如火如荼，企业内部的 AI 智能化技术方向应该如何选择？

演讲前沿亮点

讲解 AI 代码智能化在数万人研发企业的第一手实践经验，都是实际正在落地、被证明可行的内容。

听众收益

1. 理解代码智能化的真实落地场景及效果
2. 了解代码智能化关键技术与实践
3. 对未来发展趋势的思路探讨

大模型能力不断提升，AI 应用已经从基于大模型实现思考的延伸，进化到行动的代理阶段。在 AI for 软件工程方向，行业在积极探索 AI 重构软件研发流程，并尝试在研发工作流中引入数字员工，他们基于「聪明的大脑」并配备「高效的手脚」，与研发工程师高效协同，完成不同研发场景的复杂任务，促进研发流程的主观可感质变，助力软件研发领域的人机协同进化，深化研发智能提效。

本次演讲将从 AI 重构软件研发流程的关键场景出发（文档设计、智能编码、编译构建、单元测试、API 和 UI 测试、生成式 AI 数据构建、AI 应用评估等），并结合百度业务实践，阐述如何将大模型能力深度融入软件研发核心场景，如何促进研发协作范式的转换和研发工作流重塑，如何通过研发数字员工增加研发可感有效产出，实现研发生产力和生产效率的双提升。

演讲提纲

1. 背景和趋势
   • AI 重构研发工作流程：传统研发流程 VS AI 研发工作流
   • 人机协同研发范式：研发工作流引入数字员工
2. 研发数字员工产品设计思路
   • 研发数字员工产品特点
   • 研发数字员工与工程师的交互模式
   • 研发数字员工能力建设：Agentic模式、联通DevOps研发和办公工具、账号和权限控制
3. 企业研发数字员工基建与应用
   • 如何打造数字员工通用研发基建
   • 如何促进研发数字员工“人才市场”繁荣，推进企业落地人机协同研发新范式
4. 百度实践案例分析
   • 通用研发数字员工方案概述：满足不同场景的研发工作流程
   • 工程师可感有效产出增加及业务增益：研发提效/研发生产力提升
5. 总结与展望
   • 更多研发场景落地
   • 从研发数字员工到研发数字团队

技术实践痛点

• 软件研发复杂场景问题难以端到端解决
• 软件研发团队和工程师需要适应并良好应用这种新的人机协作模式

听众收益

• 了解大模型在研发典型场景中的应用经验
• 如何推动人机协同落地，促使研发团队适应和演进的实践经验
• 百度智能研发实践案例，开拓新思路，用新方法提升软件研发效率
• 了解智能研发领域的相关挑战和未来展望

随着人工智能技术的飞速发展，Coding Agent 正逐渐影响着软件研发的各个环节。本次分享将探讨 Coding Agent 如何从辅助编码进化为驱动研发流程改进的核心力量，结合内部团队的实践案例，分享引入 Coding Agent 的挑战与应对策略，展示如何将 AI 从研发的“辅助者”转变为“驱动者”，拥抱人机协作的新范式，实现研发流程的智能化升级和人机协作的新模式的阶段性实践经验及思考。

演讲提纲

1. 从代码补全到对话式编程 
   • 早期编码应用：对话式编程局限
   • 早期研发流程改进：高价值点的突破
2. 内部实践：Coding Agent 在我们团队的落地
   • 引入与挑战：背景目标及其挑战应对策略
   • 研发多环节实践：内部使用总结与拓展
3. 从点到面：构建可持续的研发智能化
   • 数据与工具：基于 MCP 的定制化探索
   • 流程再思考：从“辅助”到“驱动” 
   • 拥抱模糊性与人机协作 
4. 总结与展望
   • 经验总结
   • 未来展望

您认为，这样的技术在实践过程中有哪些痛点？

• 研发流程碎片化与重复劳动： 重复、零碎任务分散精力，影响效率。
• 人机协作不畅： 现有协作模式难以高效处理复杂任务，Agent 潜力未充分释放。

听众收益

• 了解 Coding Agent 在研发全流程的应用与提效潜力。
• 了解 Coding Agent 驱动研发改进的案例与人机协作策略。

近一两年大量AI编码工具如雨后春笋般诞生，但在游戏项目工程级别的代码编写参与度仍不高，主要受限于LLM上下文长度、游戏业务的复杂度与灵活性。我们通过代码知识谱图构建、多agent RAG召回、MCP等技术方式，打造了一个可完成复杂游戏编码任务的超级助手，在代码搜索、知识问答、功能迭代、新功能编写等业务场景均有不错的落地效果，已在公司内部广泛应用，同时推动了内部AI生成代码覆盖率大幅提升。
 

演讲提纲

1. 游戏研发面临的AI应用挑战
2. 落地实施策略
   • Multi-Agent 协同解决复杂编码问题
   • 复活研发资产，强化游戏工程理解能力
   • AI 与游戏研发体系双向赋能
3. 总结与展望
   • 更多业务场景落地
   • 打破信息孤岛，提升跨职能协作效率

您认为，这样的技术在实践过程中有哪些痛点？

1. 固有工作方式难以改变
2. 团队成员对AI技术的理解和使用能力不均
3. 大模型能力尚未能解决更复杂的问题

听众收益

1. 了解大模型在团队大规模研发中的实际落地经验
2. 如何开展研发知识工程的治理工作
3. 大模型在实际应用中的冰与火