演讲主题

大模型在去哪儿研发领域落地实践

随着大模型的迅速发展，智能代码补全已成为其核心应用场景之一，从根本上提高了开发者的工作效率。OpenAI的闭源大模型Codex，是基于GPT-3.5模型进化而来的，与此同时，它与Github合作推出的商业产品Copilot，能够通过分析亿级代码数据，准确推断出用户的代码意图。 此外，市场上也涌现出许多专为智能代码补全设计的开源模型。闭源产品可能存在一定的安全隐患，开源大模型提供了更强的可定制性，如允许用户训练具有特定风格的模型，结合自己私有知识库联想出符合私域知识库的提示。 因此，如何选择合适的技术路径以提高开发效率至关重要。 在本次分享中，我将深入探讨大模型在代码领域的实际应用、技术选择、所面临的挑战及解决方案。希望通过这次分享，能鼓励大家积极应用大模型技术，从而提高研发效率。 演讲提纲： 1、LLM对软件开发的影响 分析现代软件开发流程，寻找效率提升的关键点。 探讨LLM在哪些环节发挥其优势，以及其无法替代的部分。 2、LLM在产品设计的变革 描述LLM在产品文档生成和验收条件制定方面的效率提升。 如何利用LLM合理划分产品需求，以及如何生成满足要求的验收清单。 3、LLM对开发模式的深刻影响 分析LLM在研发的各个阶段（如架构设计、详细设计、编码等）的作用，以及如何利用这些能力优化现有流程。 比较开源模型与闭源模型的差异，并从安全性、效果、速度和投资回报率等角度探讨如何选择合适的LLM模型来提高研发效率。 如何利用Langchain等技术接入本地知识库，给出基于本地知识库的代码提示。