课程简介

本课程深入探讨GPT和生成式AI技术，以及其在编程和软件开发中的应用。课程将从GPT的基础知识、原理出发，进而详细讨论编程助手如GitHub Copilot的概念、原理及应用。特别关注代码生成、AI在研发全流程中的角色，包括需求分析、设计、bug修复、代码评审等环节。课程还将包括AI Agent在自动化完成研发任务中的应用，对比GitHub Copilot与百度Commate等同类产品的异同。最后，课程将总结关键点，探讨程序员岗位的变化，并对未来生成式AI技术的发展趋势进行展望。

目标收益

理论与实践相结合：了解GPT和生成式AI的理论基础，并通过实际案例学习如何将这些理论应用于编程和软件开发。
编程助手应用：掌握如何有效利用GitHub Copilot和百度Commate等工具，提高编程效率和质量。
创新解决方案：培养利用GPT和生成式AI创造性解决软件开发全流程中遇到的各种问题的能力。
技术前沿跟进：了解最新的生成式AI技术应用和发展，保持在AI技术赋能软件开发领域的前沿

培训对象

课程内容

一、GPT和生成式AI基础
1. GPT等生成式AI的概念、原理与发展历程简介
概述GPT模型如何从第一代逐步演进到GPT-4，涵盖了其基本原理。介绍生成式AI的关键里程碑，及其对人工智能领域的影响。
2. 代码生成原理和AI开发助手简介
解释代码生成的工作机制，结合一些典型例子介绍大模型如何赋能软件研发工作。

二、Copilot编程助手
1. Github Copilot的概念和原理
解析典型编程助手是如何提供代码建议的，讨论了它们对开发速度和代码质量的提升
2. 应用与实践案例
结合实际案例，讲解如何在编程环境中安装和设置编程助手工具，并执行代码补全、代码解读等任务
3. 最佳实践和使用技巧
包括如如何高效使用Copilot的策略和建议、如何避免常见错误和提高准确性
4. 同类其他产品比较
分析同类其他产品在功能、性能、用户体验等方面的差异。探讨如何选择合适的工具，以及如何根据项目需求做出决策。

三、从代码生成到研发全流程支持
1. 研发，不仅仅是代码生成
除代码生成外，GPT等AI大模型技术在需求细化、设计、测试和代码审查阶段的应用。讨论如何整合AI大模型技术，以支持软件开发的全周期。
2. 大模型赋能软件研发全流程案例与实操
结合案例和具体实操讲解基于GPT等大模型的工具在软件开发的各个阶段（需求细化、设计、bug修复、代码评审等）中的应用。
3. 项目验收与代码重构案例与实操
结合案例和具体实操讲解GPT在项目验收、代码接手与重构中的应用
4. AI Agent自动化完成研发任务
探讨基于大模型的AI Agent的概念及其在部分场景中自动化完成研发任务的可能。讲解软件研发AI Agent开发案例。分析AI Agent在软件研发领域的优势、局限性及未来发展。

四、总结与展望
1. 重点回顾
概括课程中讨论的关键概念和技术，强调生成式AI技术在软件开发中的重要性和潜力。回顾如何有效利用这些技术提升开发效率和质量。
2. 程序员岗位能力的变化
从实践观察中总结和探讨AI时代程序员岗位能力要求的变化，以及需要如何调整组织协作模式和考评标准
3. 未来展望
探讨生成式AI技术的发展，以及在AI大模型影响下，软件研发的未来趋势。