fujia.site

所谓发展就是迭代简单的事情。

Coding

AI Code 能力在软件开发流程中的影响:

从单一的辅助编码，到辅助完整的软件生命周期;
AI Code能力与「垂直场景」的 LowCode/NoCode能力结合，可以更加高效的辅助内容生产和功能交付；
AI Code 能力从个人的开发工作流向「团队开发」工作流渗透，逐步成为企业 IT 「基础设施中的核心组成部分」

AI Code 演进和趋势

1. AI 驱动的软件全生命周期管理

AI 能力已经逐步渗透到软件开发的每个环节中，各类 AI Code 工具也越来越关注 AI 与工作流节点的互动，以增强开发者体验和效率。

2. AI 开发助手：Github Copilot + 插件市场

https://github.com/features/copilot

GitHub Copilot 在软件开发生命周期中提供上下文化的帮助，从 IDE 中的代码补全和聊天辅助到 GitHub 中的代码解释和文档答疑等。

3. AI 驱动的云端协作式 IDE：Replit

https://replit.com

Replit 是一个协作式的基于浏览器的集成开发环境，允许您在 50 多种编程语言中编写和运行代码。它提供了强大的编译器和解释器，使得开发软件变得简单，不需要任何设置要求。Replit 将 AI 作为开发环境的一等公民。为了实现这一愿景，Replit 正在将 AI 工具与 IDE 紧密结合。

4. AI 辅助的全栈在线开发平台：Google Project IDX

https://developers.google.com/idx

Project IDX 是一个 AI 辅助的在线 IDE，适合在云端进行全栈、多平台应用开发。IDX 支持众多框架、语言和服务，还可以与相应的 Google 产品集成，可简化开发者的的开发工作流程，让开发者可以快速、轻松、高效地跨平台构建和发布应用。

5. AI 代码质量保证：Sonar

https://www.sonarsource.com/solutions/ai/

AI 辅助编程的一大潜在问题是代码安全风险。Sonar 面对这一问题提供了可行的解法，它包括 SonarQube 和 SonarCloud 集成到 CI 管道中，同时在 IDE 中可以集成 SonarLint 提供代码质量检测和保障。

垂直场景代码生成

1. AI 驱动设计稿代码生成：Quest AI

https://www.quest.ai/

Quest AI 的模型可以基于设计稿或草图生成真实、有用的代码。它包含所有专业开发人员关心的事情。使用我们的聊天提示来修改样式、编写业务逻辑并连接到您的后端。Quest 是为开发者设计的。它自动化了构建应用程序的繁琐部分，同时又让您拥有完全的控制权，这样您就可以构建任何您想要的东西。

2. AI 增强接口测试效率：HTTPie AI

https://httpie.io/blog/ai

HTTPie AI 助手使用大模型来提高开发者在测试和与 API 交互时的效率，例如你可以通过简单的自然语言快速地从海量文档中发现并创建相应的请求。

3. AI 生成前端 UI：Vercel V0

https://v0.dev/

v0 是一个由 Vercel 提供支持的基于 AI 的生成式用户界面系统。它基于 shadcn/ui 和 Tailwind CSS 生成易于复制粘贴的 React 代码，供人们在其项目中使用。

AI 驱动的团队开发工作流

1. AI 项目协作工具：GenPen.AI

https://genpen.ai/

GenPen.AI 是一个项目协作与代码生成工具。它可以将设计提示转化为 REST API，并自动生成文档。核心功能包括：代码生成、基于 AI 的多模式 VLLM 转换器、OpenAPI 集成、自动化 Git、代码和文档管理、多个 AI 代理用于响应汇总。它的目标是加快调试速度，减少开发时间，并简化项目管理。GenPen AI 自动化重复任务，利用 AI 转换器，并根据模型生成代码，从而减少开发时间。

2. 一站式智能研发工作台：CodeMaker

CodeMaker 网易内部的是一站式智能研发工作台，其使命是把 AI 集成到游戏开发的每个环节，为开发团队量身定制 AI 时代的游戏开发解决方案。当前产品提供了 Code Completion（代码智能补全）、Code Chat（代码智能操作）、Code Generate（代码智能生成）、Code Search（代码语义检索）、Code Review（代码智能 review）、Code Scanner（代码检测）、Sunshine Flow 等功能。

3. AI 工作流程编排：LangBase

LangBase 为用户提供了一站式的 AI 应用管理和运维服务，降低用户创建 AI 应用的成本。因此 LangBase 不仅在底层提供提供了模型和应用的管理，也在应用平台之上多提供了一层业务接入层，最大化的降低用户创建和使用 AI 应用的成本。

低代码

低代码平台与大模型能力的有机结合：

自动化代码生成：利用大模型的自然语言处理和代码理解能力，将用户的业务需求转换为代码逻辑，自动生成底层代码，提高开发效率。
智能代码辅助：集成大模型的代码完成和建议功能，为开发者提供实时的代码辅助，包括变量命名、函数实现、错误检测等，减少编码时间和错误率。
优化工作流程：大模型可以分析项目历史数据，优化开发和部署流程，自动化地处理重复性任务，让开发者更专注于业务逻辑。
增强决策支持：通过大模型分析代码库和项目需求，为团队提供决策支持，如预测项目风险、建议最佳实践等。
自动化测试和质量保证：利用大模型的测试生成和执行能力，自动化地进行代码测试，提高代码质量和稳定性。
持续学习和适应：大模型能够从历史数据中学习，不断适应团队的特定开发习惯和项目需求，随着时间的推移提供更加精准的帮助。

参考资料

Google Project IDX - https://developers.google.com/idx

AI | Coding: AI与开发者（一）