腾讯云 AI 代码助手：AI Agent 构建企业新一代研发范式

文章摘要

本文将探讨腾讯云 AI 代码助手在聚焦产品开发领域的同时基于扩展性能力集成接入用户业务需要 AI Agent 智能体应用完成 SDLC 全过程的衔接完成新一代研发范式落地的解决方案。

一、引言

伴随 OpenAI 的 ChatGPT4 大语言模型问世，发布在人工智能领域掀起新一波的浪潮，也是从数字化转型为数智化的元年，业内对于如何将 LLM 落地应用进行了各种探索，尝试通过挖掘 LLM 构建 Agent 智能体进赋能自身业务、科技等领域进行加速推进创新， AI Agent 智能体以其自主性、智能性和协作性，为企业带来了全新应用场景，从科技领域而言企业研发模式正经历着一场革命性的变革，腾讯云 AI 代码助手是基于腾讯混元代码大模型作为大脑中枢建立的 AI Agent 的智能体应用，提供智能补全、智能感知、智能对话、工作台插件扩展等能力，赋能 AISE 中产品研发领域的达到提质增效目标并提高软件研发的智能水平。

二、AI Agent  智能体概述

AI Agent 是一种以大型语言模型（LLM）为大脑中枢进行驱动的自主系统。它不同于传统的人工智能系统，具有更高的自主性和智能性，它在自身依托的通用或者领域模型的基础上能够感知环境、做出决策并采取行动的人工智能实体，同时 AI Agent 也是业务应用场景的实际落地表现，一个典型的 LLM 驱动的 AI 系统包括以下几个关键组件：

规划（Planning）: 智能体会把大型任务分解为子任务，并规划执行任务的流程；智能体会对任务执行的过程进行思考和反思，从而决定是继续执行任务，或判断任务完结并终止运行。

记忆（Memory）: 记忆包含的长期记忆和短期记忆，其中长期记忆是长时间保留的信息，即是 RAG 的能力，一般是指外部知识库，通常用向量数据库来存储和检索，短期记忆，是指在执行任务的过程中的上下文，会在子任务的执行过程产生和暂存，在任务完结后被清空。

工具使用 (Tool use) ：智能体配备工具  API ，比如：计算器、搜索工具、代码执行器、数据库查询工具等。有了这些工具 API  ，智能体就可以是物理世界交互，解决实际的问题。

三、腾讯云 AI 代码助手 Extensions

腾讯云 AI 代码助手 Extension 是一个标准扩展的机制，通过 SDK 和标准接入规范按照自身的场景诉求进行扩展其他的能力， Extensions 扩展能力的业务承载表现就是与对话进行交互通过快捷指令的方式进行落地，比较典型的类似 @workspace 等方式进行智能体的唤醒，然后进行业务场景的扩展使用支持；Extension 的核心组件成包含：

Agent Scheduler ：Agent 的调度器，根据用户需求及附加上下文信息计算并调度 Agent 执

Agent Definition ： Agent 能力的抽象与定义，以统一模式定义不同 Agent 的共性，支持能力扩展；

Agent Proxy：负责将任务代理转发到第三方 Agent 服务，转发过程中携带 Agent Context 信息；

Agent Registry ：Agent 的注册器，负责注册和管理 Agent Definition 信息。支持通过管理控制台增删改查 Agent Definition 。Agent Scheduar 根据 Agent Registry 提供的信息编排调度 Agent；

Open API ：标准扩展接入 API ，通过 API 进行 Agent App 的构建，包含：注册、鉴权、上下文信息收集、通信交互等标准化能力；

腾讯云 AI 代码助手内置 Extension 的扩展可以真正的进行聚焦实际业务场景的落地，尤其是对内的专有场景的上的应用，通过独立 Extension 结构方式通过权限体系的控制生效范围，通过解耦降低的专用场景对通用场景工具的影响。

四、 AI Agent  在 DevOps 场景的应用

腾讯云 AI 代码助手内置 Extension 标准扩展的机制，通过该机制规范可以进行特性业务场景诉求的扩展和智能化能力聚合， Extension 扩展能力的业务承载表现就是与对话进行交互通过快捷指令的方式进行落地包含类似 @workspace、/fix 等方式进行智能体的唤醒交互。

DevOps 或者 AISE 是面向完成软件工程的视角，通过不同 Extension 的编排衔接各个环节，DevOps 是针对软件研发下端到端全过程的落地，整个过程中进行了不同领域的划分包含：项目管理域、代码域、持续集成域、测试管理域、持续部署域、持续运营域，不同领域之间环环相扣，可以看到通过 AI Agent 对 DevOps 智能化赋能，每个智能体都是一个领域的排头兵或者是一个领域的聚合，按照独立的专用模型进行向上对专有场景进行流程上的规划与落地，以下是一些关键的应用场景：

代码审查,利用自然语言处理能力：AI Agent 可以进行代码审查，识别代码中的潜在错误、不一致或不良实践，并提出改进建议。

安全性分析：可以分析代码和系统配置，识别安全漏洞，并建议安全最佳实践，增强软件的安全性。

自动化测试：AI Agent 可以用于自动化测试，通过生成和执行测试用例来确保代码的质量。它们可以学习测试模式，并预测潜在的缺陷，从而减少手动测试的需求。

持续集成/持续部署（CI/CD）：可以集成到 CI/CD 流程中，自动化构建和部署过程。它们可以监控构建状态，自动回滚失败的部署，并提供部署成功率的预测。

需求管理和变更请求：可以帮助管理需求变更，通过自然语言理解能力，将用户需求转化为具体的开发任务，并跟踪变更请求的状态。

文档生成和知识管理：可以从代码和开发文档中提取关键信息，自动生成技术文档，包括API文档、用户手册和开发者指南。

项目管理和协作：可以作为项目管理工具，帮助团队成员协调工作，分配任务，并跟踪项目进度。它们还可以作为知识库，存储和检索项目相关的知识。

五、总结

AI Agent 智能体的发展为企业研发带来了新的机遇。腾讯云 AI 代码助手 Extension 正是这一技术发展的产物，它不仅提升了研发团队的生产力，也为企业创新提供了强有力的支持。随着 AI Agent 技术的不断进步，我们有理由相信，未来的研发工作将更加智能化、高效化。

如感兴趣，可复制链接免费体验产品：

https://copilot.tencent.com/

原文地址：https://blog.csdn.net/cloud_studio/article/details/144286791

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！