课程简介

案例背景:
目前基于大模型赋能软件开发的工具，主要集中在IDE插件做代码补全，或者根据注释完成代码片段等功能。但是在企业的软件开发全流程中，代码编写只占了一小部分工作量，还有大量的工作诸如需求细化与设计、Issue分析与管理、代码修改检查、项目代码验收等。因此，我们开发了基于大语言模型的多Agent系统辅助软件研发自动化，全面提升软件研发效能。

解决思路:
1. 针对软件研发各环节开发定制化的AI Agent
2. 不同Agent之间智能化的任务委派与调度
3. 借鉴微服务架构思想，改进Agent之间的协同机制
4. 平衡通用性和专用性、自动化程度和人机协作界面等方面的经验教训

成果：
通过多Agent方案，有效利用大模型提高了软件研发全流程的工作效率、质量和管理水平。在多智能体协同方面积累了宝贵的经验教训，并提出了创新的方案。

目标收益

1. 不仅限于代码生成，在软件研发各个环节如何通过大模型提高工作效率和质量
2. 创新的多Agent架构和协同技术
3. 复杂的多Agent项目落地过程中，面对的挑战和经验教训

培训对象

课程内容

案例方向

---

大模型对齐技术｜数据智能｜Agent｜RAG

案例背景

---

目前基于大模型赋能软件开发的工具，主要集中在IDE插件做代码补全，或者根据注释完成代码片段等功能。但是在企业的软件开发全流程中，代码编写只占了一小部分工作量，还有大量的工作诸如需求细化与设计、Issue分析与管理、代码修改检查、项目代码验收等。因此，我们开发了基于大语言模型的多Agent系统辅助软件研发自动化，全面提升软件研发效能。

收益

---

1. 不仅限于代码生成，在软件研发各个环节如何通过大模型提高工作效率和质量
2. 创新的多Agent架构和协同技术
3. 复杂的多Agent项目落地过程中，面对的挑战和经验教训

解决思路

---

1. 针对软件研发各环节开发定制化的AI Agent
2. 不同Agent之间智能化的任务委派与调度
3. 借鉴微服务架构思想，改进Agent之间的协同机制
4. 平衡通用性和专用性、自动化程度和人机协作界面等方面的经验教训

结果

---

通过多Agent方案，有效利用大模型提高了软件研发全流程的工作效率、质量和管理水平。在多智能体协同方面积累了宝贵的经验教训，并提出了创新的方案。