PS：本文节选自开源电子书《AI 辅助软件工程：实践与案例解析》第一部分《AI4SE  体系设计》（https://aise.phodal.com/design-aise.html）受限于自身企业的规模与人员结构，AI 辅助软件工程（AI4SE）的设计与实施过程会有所差异。诸如于：研发外包型企业，对

从 2024 年的视角回顾，与 2023 年相比，AI 在软件工程中的应用已经变得更加广泛和深入。这一趋势体现在AI编程工具的进化上，主要体现在以下几个方面：全面探索：从辅助开发人员到全生命周期演进路径：个体、团队、组织形态变化：从本地 AI IDE 到领域特定的智能代码生成站在全球来看，在不同的国

TL;DR：Shire 提供了一种简便 AI 编码智能体语言，能够让大型语言模型（LLM）与控制集成开发环境（IDE）之间自由对话，以实现自动化编程。在 Intellij Marketplace 上搜索 Shire，或者在 GitHub 上下载与安装最新版本。GitHub：https://githu

本来不想写一篇吐槽国内开发工具的文章，但是考虑到最近 Replit 的裁员动作，以及其他 AI 辅助研发工具的发展。我还是想从开发者体验的角度来谈谈 AI 辅助研发工具的开发者体验。尽管大部分开发者都没有工具上的决策权或购买权，但我仍然想写一篇关于这个话题的文章。我们对于此的新理解：不比云厂商的大规

最近，我们为 AutoDev 的 VSCode 版本中重新引入了先前设计的自然语言搜索代码功能。即，你可以使用自然语言提出问题，AutoDev 将搜索代码，并使用现有代码库作为上下文，来辅助你理解现有的代码库。你可以在 VSCode 的应用商店中搜索 AutoDev 或者 GitHub 上下载与安装

在过去的一个月里，我在休着陪产假、看娃的同时，也在闲暇时间里设计了 AutoDev for VSCode 的架构。我们将 AutoDev for Intellij IDEA 平台的非凡开发者体验带到了 VSCode 平台。在 IDEA 版本中通过构建非常精准的提示词，以及与编辑器的完美融合， 以帮助

在开发 IDE 插件 AutoDev 时，我们一直遵循着 Unit Mesh 的基本思想，即 AI 所生成的应该是可执行的单元（Unit）。在底层构建丰富的各类单元/工具， 再结合 DevIns 来构建强大的智能体能力。在初步完成了 AutoDev 的整体蓝图（MVP）之后，我们开始强化原来的准确性

上周微软发布了自家的 AI 编程和软件开发智能体框架：AutoDev，其与我们开发的 IDE 插件 AutoDev 有颇多的相似之处，特别是一些设计思路，以及在对于辅助软件开发任务的智能体以及一些基础设施上。稍有不同的是：交互介质。我们的 AutoDev 构建基于 IDE API 体系构建的，而微软

在设计 Unit Mesh 架构时，其思想是以 Unit（如代码单元）作为 AI 辅助生成的元素，以辅助人类解决复杂的软件开发问题。围绕于 Unit Mesh 的理念，在 AutoDev 1.6.0 版本中，我们开发了更多的生成 “单元” 的功能：生成 React 前端单个组件、页面的：AutoPa

UnitGen 是我们从 UnitEval 拆分出来的代码数据集生成项目，旨在为基于开源模型供的私有化部署提供更好的编码数据集。在结合开源模型 + AutoDev 插件之后，你可以使用 UnitGen 结合企业内部现有的代码生成微调数据集，以让模型生成的代码更适合组织内部的需要，提升开发人员效率。G

太长不读性：适用于 AutoDev 的编码大模型 AutoDev Coder 6.7B 第一个勉强可用的版本出来的。HuggingFace 首页：https://huggingface.co/unit-mesh （暂时没有资质提供模型，🐶🐶）。数据集下载地址：https://huggingface.

在过去的一年里，越来越多的生成式 AI 应用来到了我们的日常，Copilot 似的 AI 大大改善了我们的工作和生活体验。而作为工程师，仅仅使用 AI 工具是不合时宜的，在恰当的时候，加入 AI 原生应用的开发大军，才是更适合被誉为 “夕阳产业” 从业人员的一种选择。而从我们构建 ClickProm

在过去的几个月里，我的同事们（Thoughtworker）一直在构建 Team AI 项目，一个围绕于 AIGC 辅助开发团队的野心勃勃的计划。在内部，我们还有一个名为 Team AI Hackathon 的活动，基于一个内部的 Team AI 代码库，探索构建适合于不同软件研发团队的 Team A

在过去的两个月里，随着 Thoughtworks 内部的大规模 AI 辅助软件交付（AI4SoftwareDelivery）的展开 —— 在全球，有上千名的 Thoughtworker 这一个涉及不同角色、不同地区，以及几十场内部分享的活动。我们也在 AutoDev 加入了更多的新特性，以持续探索如

你是否曾经想过，当你在 Intellij IDEA 中输入一个段代码时，GitHub 是如何给你返回相关的结果的？其实，这背后的秘密就是围绕 Prompt 生成而构建的架构设计。Prompt 是一个输入的文本段落或短语，用于引导 AI 生成模型执行特定的任务或生成特定类型的输出。不同的 Prompt

TL；DR 版本PromptScript 是一个轻量级的 Prompt 调试用的 DSL （Yaml）脚本，以用于快速使用、构建 Prompt。PromptScript 文档：https://framework.unitmesh.cc/prompt-scriptWhy PromptScript ？几

本文将介绍 Chocolate Factory 框架背后的一系列想法和思路。在我们探索和设计框架的过程中，受到了：LangChain4j、LangChain、LlamaIndex、Spring AI、Semantic Kernel、PromptFlow 的大量启发。欢迎一起来探索：https://g

几个月前，在 Thoughtworks 的内部 AIGC 研讨会里，我们一直达成了一系列一致观点，诸如于：如果没有 “开源模型” 降低企业应用 LLM 的成本，那么 LLM 会很快消亡。所以，我们相信开源 LLM + LoRA 微调会成为企业的一种主流方式。现今，我们可以看到 LLaMA 2、Cod

在那篇《LLM as Co-integrator：重塑团队间交互，持续改进信息对齐》里，我们说道，为了更好的利用 AIGC 提升效能，我们的第二个阶段应该是：让 LLM 做一些协同工作，诸如于：构建多场景知识问答，降低知识检索成本、设计团队 API，打造智能助理。于是，我们着手构建了 CoUnit，