- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习与python
重磅直播预告| 2月22日，共启「AI4SE 效能革命与实践」新征程
面对智能化软件工程（AI4SE）的浪潮，开发者与企业亟待厘清一些关键命题：当前 AI4SE 发展处于何种阶段？哪些核心实践与技术推动 AI4SE 加速发展？AI4SE 效能突破又将指向何方？ 三大主题演讲： 定义 AI4SE 技术演进与落地范式 展望 AI4SE 2025 发展方向 Thoughtworks 中国区总经理肖然将发表主题演讲，分享 AI 在智能化软件工程（AI4SE）方向的最新洞察与实践 肖然将紧密结合 OpenAI、DeepSeek 等技术模型的重大突破，深入揭示 2025 年 AI4SE 领域的重点发展方向。 这些丰富的实践展示将让参会者对 AI4SE 的具体应用有更为直观且深入的感受，助力更多企业打通智能化软件工程的整体流程，开启新一轮软件开发的能效革命。 《2025 AI4SE 效能飞跃：六大举措》。
42100编辑于 2025-02-19 - 来自专栏软件测试那些事
面对AI4SE，你是降临派还是拯救派？
AI4SE的意思是AI,aka.LLM 在软件工程中的应用。 笔者认为会经历以下的几个阶段:点上辅助 ，由点到线，由点到面，奇点来临。 点上辅助 目前来讲AI4SE还以点上辅助为主。 仿佛只要把原先软件工程中的各个环节（例如CMMI的22个PA）加上一个“智能化”或者 “LLM赋能”, AI4SE就能实现了。（以下是临时找的一个图，版权归原作者所有。） 这样，就实现了AI4SE的第二个阶段，从点到线。 例如，目前的流水线均已有托管和自动触发扫描的问题，把代码中的问题上报到sonarqube服务端。 这就是LLM能力从点到线的一个设想，标志着AI4SE从一个依赖人使用的工具演变成了能完成一项具体任务的智能体。
1.1K10编辑于 2024-12-23 腾讯CodeBuddy：AI4SE研效协同工具体系驱动软件工程智能化转型
剖析行业AI4SE发展现状与核心瓶颈 当前AI4SE（AI for Software Engineering）各阶段成熟度一般，面临研发提效增质需求与传统开发模式的根本冲突。 undefined（数据来源：腾讯《当前AI4SE各阶段成熟度现状》《当前AI4SE建设成效与瓶颈》） 构建CodeBuddy产品矩阵与AI4SE研效协同方案 腾讯以CodeBuddy为核心，打造覆盖软件全生命周期的 专业代码分析工具，提供单元测试生成、代码缺陷/规范/安全漏洞扫描、后端自动修复能力； 架构分析智能体：通过Repo Wiki绑定Git仓库，实时监听代码变更生成知识文档，辅助生成架构图、流程图等技术文档； AI4SE undefined（数据来源：腾讯《当前AI4SE建设成效与瓶颈》） 腾讯内部业务线落地实践案例 CodeBuddy通过多端产品形态（AI IDE、Plugin、CLI）支持腾讯集团各业务线差异化需求： undefined（数据来源：腾讯《AI Coding软件工程新范式的落地飞轮》《腾讯AI4SE能力规划》）
29210编辑于 2026-04-02- 来自专栏phodal
实现 AI 辅助软件工程：团队如何量身打造 AI4SE 体系？
，AI 辅助软件工程（AI4SE）的设计与实施过程会有所差异。 中大型研发组织，对于数据敏感度较高，因此会选择自建 AI4SE 体系，以保证数据的安全性。 结合我们在其它组织的经验，以及 ChatGPT 给我们的建议，可以得到以下的 AI4SE 体系设计流程： 初步明确 AI4SE 设计目标：确定通过 AI 实现的可落地目标，如提高开发效率和提升代码质量。 诸如于我们在 Thoughtworks 的开源项目中，我们会定期与其它团队进行交流，以了解其它团队的 AI4SE 体系设计，以及其它团队的 AI4SE 体系设计的优势和不足。 软件工程是 AI4SE 的基础 笔者作为一个典型的工程师，会更倾向于认为软件工程是 AI4SE 的基础。理解软件工程的基本原则和最佳实践，是这个团队必须要具备的能力。
1.3K10编辑于 2024-11-22 - 来自专栏软件测试那些事
从吴恩达YC 演讲谈AI4SE落地场景要“具体”
但是对于在企业内部做DevOps、AI4SE等降本增效、持续改进的同学来讲，这也是一种“内部创业”， 因此也要考虑吴教授的讲法。 AI4SE中的具体和模糊案例 AI赋能软件工程，使用LLM实现软件开发、测试提质增效 相信不少读者从领导那里收到过此类的要求。但是很不巧这是典型的模糊案例。
27610编辑于 2025-09-02 - 来自专栏软件测试那些事
QECon参感-Vibe Coding-企业雇佣知识工作者，而面临知识缺失的窘境
在茹老师的会场，有位来自某基金销售公司的同学提供的AI4SE场景获得了茹老师的肯定。这位同学所在的 20个人团队在试点LLM应用于软件开发（全部开发人员约100个人）。 但是这就是AI4SE目前在严肃编程场景中的现实。
17510编辑于 2025-11-12 腾讯云CodeBuddy以AI编码提升研发效能，内部周活超5万
培训课程、案例分享等组合措施促进工具采纳 技术领先性与行业认可 腾讯云AI编码产品基于多年技术积累： 依托腾讯研效协同工具平台建设历史，自2019年起持续投入CI/CD、代码规范、静态检查等基础设施 构建AI4SE
26220编辑于 2026-04-11腾讯CodeBuddy实现产设研全流程智能协同开发
活跃用户数据来自腾讯2025年开发者中心内部报告 TCA代码分析工具集成能力详见腾讯云安全白皮书 v4.2 信创适配指标源自腾讯云与麒麟软件联合测试报告（2025Q1） AI成熟度模型引用腾讯CSIG《AI4SE
59030编辑于 2026-04-01- 来自专栏软件测试那些事
基于G-V-R模型的LLM单接口用例生成7步法
2)接着通过RAG/Tool从多数据源召回知识，这部分是整个方案的核心，这也是笔者一直认为的LLM赋能软件工程AI4SE，其实拼的是数据，底层其实是数字化能力。
31110编辑于 2025-09-02 - 来自专栏phodal
架构赋能 AI：知识工程推动下的软件架构数字化
TL;DR：我们试验了将 AI 应用到基于 Protobuf 的微服务架构中，基于 ArchGuard 治理平台、Shire AI 助手、Team AI 三个工具中，构建了一套完整的 AI4SE 原型， AI4SE（Artificial Intelligence for Software Engineering）是指人工智能技术应用于软件工程领域，旨在通过利用 AI 算法和工具来改进软件开发、维护、测试和管理等各个环节的效率和效果
66310编辑于 2024-11-22 - 来自专栏深度学习与python
阶跃星辰语音模型负责人杨学锐确认出席 QCon 上海，分享从语音表征到模型架构的端到端语音模型实践
加速与反哺：AI 时代的可观测实践、Vibe Coding、端侧大模型的创新与应用、大模型推理的工程实践、AI 搜索技术的深水区、模型训练与微调、具身智能：当 AI 学会“动手思考”、大模型驱动的制造革命、AI4SE
27710编辑于 2025-11-26 腾讯云CodeBuddy AI编码产品：以技术闭环提升研发效能与安全保障
合作模式：构建服务生态（AI4SE流程咨询、教练辅导、业务提示词/Rules指导、MCP市场开发），并与APUS在AIGC业务全面合作（来源：AI Coding服务生态体系建设、腾讯云与APUS在AIGC
26730编辑于 2026-04-12大模型重构软件工程：企业级 AI 编码的规模化落地与效能验证
全场景算力与生态支持： 提供包含流程咨询、研发工具集成、软硬一体机及国产化算力在内的 AI4SE 解决方案，支持私有化部署以保障业务数据绝对安全，助力金融等行业遗留系统的现代化平滑升级。
23010编辑于 2026-04-11- 来自专栏软件测试那些事
百年前的杂交玉米推广和今天的AI智能体推广遵循相同的原理-创新推广曲线
即使是到了AI4SE时代，情况也没有太大的变化。 笔者和业内同行交流时曾感叹，效能团队的新功能特性上线并非工作的结束，而是“正式坐在牌桌上开始玩牌”。
20410编辑于 2025-11-12 - 来自专栏软件测试那些事
LLM 生成接口自动化测试用例：四类核心知识库的构建与应用
在AI4SE中，当用于接口用例生成时，这也是大家都会想到的知识库。 如何使用？ 通过自然语言来描述测试用例的某个步骤，如“提交XX申请”。然后用这句话到接口知识库进行召回。
68910编辑于 2025-08-11 - 来自专栏深度学习与python
提效软件研发，AI Agent好用吗？
作者 | QCon 全球软件开发大会 策划 | Kitty 编辑 | 宇琪 2025 年是 Agentic AI 应用的元年，AI4SE（Artificial Intelligence for Software 担任主持人，和 中兴通讯资深需求教练和 AI 教练王玉霞、蚂蚁集团高级前端技术专家郭华翔、趣丸科技基础架构组负责人黄金 一起，在 QCon全球软件开发大会2025 上海站 即将召开之际， 抢先窥见 AI4SE 在 10 月 23-25 日将于上海举办的 QCon全球软件开发大会2025 上海站 上，我们特别设置了【AI4SE：软件研发提质增效实践】专题。 刘亚丹：如果展望未来 1-2 年，你们认为各自领域 AI4SE 的下一个爆发点或颠覆性应用会是什么？华翔老师，有想过前端工程 3.0 之后会有 4.0 吗？会是什么样子？
44910编辑于 2025-11-26 - 来自专栏软件测试那些事
LLM赋能测试活动实现端到端自动化的四个环节八项关键任务
结合着AI4SE，畅想一下实现整个测试活动端到端的自动化的可行性，形成了如下4个阶段8项关键任务，如下图所示。
86610编辑于 2024-12-09 - 来自专栏软件测试那些事
Vibe Testing ？为什么说某些智能化测试或许只是在“赛博许愿”罢了
当去年Dewin横空出世后，业界就冒出了“给 LLM 丢个 PRD 就自动生成测试用例”的各种案例，甚至有老板们开始畅想AI4SE实现研发交付过程的端到端全过程自动化，可以进一步“降本增笑”了。
42700编辑于 2025-07-16 - 来自专栏软件测试那些事
接口 Call-Graph 知识库实现精准接口用例生成（还可以一鱼两吃）
而在 AI4SE（AI for Software Engineering）时代，这些沉淀的 Call-Graph 数据被重新激活：它们不再只是 “分析工具”，而是能转化为接口测试知识库，为智能化接口用例生成提供核心支撑 智能化代码评审是AI4SE/DevOps最先也最容易落地的场景。通常是在commit/PR等环节通过流水线触发，基于git diff的内容进行评审。
44610编辑于 2025-11-12 - 来自专栏软件测试那些事
质量保障数智化基建”落地变现” 路径：5 大核心领域 + N 种场景
这是前AI4SE时代对于测试用例生成这个领域来讲提效最为显著的做法之一。 在AI4SE时代，可以通过这个技术来实现LLM生成用例的筛选。当用例生成变得非常廉价和快速时，面对生成的海量用例，用例的筛选必然成为一个令人头疼的问题。通过这种方式，可以筛选出更为精简的用例集。
31910编辑于 2025-11-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号