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，

在过去的半个月里，我们为开源辅助编程工具 AutoDev 添加了更强大的自定义能力，现在你可以：使用自己部署的开源大模型自己配置 Intellij IDEA 中的行为自定义开发过程中的规范当然了，如果您自身拥有开发能力的话，建议您自己基于 AutoDev 定制。毕竟，为 AutoDev 添加太多的自

四月，在那篇《AutoDev：AI 突破研发效能，探索平台工程新机遇》，我们初步拟定了 AI 对于研发的影响。我们有了几个基本的假设：中大型企业将至少拥有一个私有化的大语言模型。只有构建端到端工具才能借助 AI 实现增质提效。围绕于这些假设，我们开始构建 AutoDev，将并将它开源。也在我的博客里

从四月份到现在，我们持续为 AutoDev 编写了一系列的功能。尽管开发了三个多月，我们一直在持续思考、并重构我们管理 prompt 的方式。在即将发布的 AutoDev 0.8 里，我们进一下完善了现有的上下文构建方式，以模式化的方式重新思考并设计了新的上下文工程体系。而测试生成正是我们的第一个新

TL;DR 版本：今年 2 月，我们在 QCon 上分享了《组织级架构治理的正确落地方式》，其背后的一个核心思想是：架构即代码。围绕这个核心思想，我们构建了 ArchGuard 的治理功能，即架构规范转换为代码。今年 5 月，我们在 QCon 上分享了《探索软件开发新工序：LLM 赋能研发效能提升》

TL;DR 版；在线：https://aigc.phodal.com下载 1：https://github.com/phodal/aigc/releases下载 2：https://pan.baidu.com/s/1wGc75vVHaZwvZyHeltyt8w?pwd=phod2023 年的上半年里

过去的两三个月里，在开发基于大语言模型的软件时，也一直在思考如何设计一个大模型优先架构。而随着越来越多的团队加入到这场竞赛里，我们会发现：基于大语言模型的软件架构与过去的不同之处，诸如于：我们需要新一代的 API。我暂时将这一代 API 称为：语言接口/语言 API（大概会有大佬来发起新的名称），原