在本次 “AI Coding” 專場演講中，分享者圍繞大模型推進下的軟件開發變革展開了系統性的內容整理。隨着 AI 編碼行業進入爆發期，越來越多開發者在日常工作中採納 AI 輔助工具，行業參與者數量與技術形態也快速擴展。從智能問答到 IDE 插件，再到多形態的智能體與原生 AI IDE，整個生態正在向更復雜的任務協同和更高質量的代碼生成演進。

PPT 中重點展示了 AI 編碼能力背後的核心技術，包括模型及數據工程、上下文工程與 Agent 工程。模型能力仍然是產品上限的基礎，而高質量數據的生產、清洗、標註與評估構成了訓練與優化的關鍵鏈路。通過代碼解析、基於模型生成、結合人類反饋等方式構建訓練數據，並配合 SFT、DPO 等機制進行持續優化，是提升質量的主要路徑。同時，數據評估體系通過自動化維度分析、對比報告和多模型評分，幫助更系統地發現與定位問題。

在工程體系層面，PPT 強調了上下文的重要性。無論是檢索式的 RAG、更加結構化的 GraphRAG，還是通過預生成構建代碼庫知識體系（如術語詞典、代碼庫 Wiki），其目標都是讓智能體能夠更準確理解代碼庫並調用最合適的信息。此外，上下文推理模型用於提升檢索質量與信息密度，減少幻覺和跑題情況，使生成結果更貼近用户意圖。

演講還介紹了 Agent 工程的實踐。從單 Agent 到 SubAgent，以至於可定製化的 Agent，不同結構用於解決上下文窗口、任務複雜度、記憶污染等問題，並讓開發者可以在特定場景下構建專業化能力，如 Debug、UT 或 F2C（設計稿轉代碼）。在更廣泛的研發流程中，智能體通過與工具鏈的整合，逐步融入需求管理、代碼生成、掃描、測試與部署等工作環節，推動構建更加智能化的研發體系。

最後，PPT 指出當前行業對 AI 編碼的態度正在從“輕量化體驗”走向更嚴格的工程參與；AI 更像是一個放大器，放大組織的優勢，也放大組織的瓶頸。隨着場景進一步細分和工程體系持續成熟，AI 與工程師的協同將成為提升研發效能的關鍵方向。

詳情可查看完整 PPT 內容：https://www.oschina.net/doc/526