Bsport体育平台登录ღ★ღ。博体育BsportsAPPbsports网站登录ღ★ღ，Bsports·体育ღ★ღ，程序开发ღ★ღ。bsportsღ★ღ，人工智能应用开发正在逐步成为各行业的核心创新驱动力ღ★ღ，CUI 式的对话助手ღ★ღ、串联业务流程的 Agent 或是内嵌在原有业务逻辑中的 AI 模块一女被两根凶猛挺进视频ღ★ღ，都在不断拓展面向用户的新应用场景ღ★ღ。然而ღ★ღ，在实际的 AI 应用中ღ★ღ，确保 AI 技术与具体业务需求紧密结合仍然是一个复杂的挑战ღ★ღ。

　　AI 赋能应用开发ღ★ღ，行业与技术边界将会如何重塑？日前 InfoQ《极客有约》X QCon 直播栏目特别邀请了阿里巴巴技术专家黄建磊ღ★ღ、百度架构师 & 文心智能体平台技术负责人马根明与字节跳动技术专家王城波ღ★ღ，在 QCon 全球软件开发大会 2024 上海站即将召开之际ღ★ღ，共同探讨 AI 应用开发中的技术挑战和解决方案ღ★ღ。

　　在 10 月 18-19 日将于上海举办的QCon 全球软件开发大会上ღ★ღ，我们特别设置了【AI 应用开发实践】专题ღ★ღ，邀请各行业的优秀 AI 应用团队ღ★ღ，分享在实际产品中成功应用 AI 技术的案例与最佳实践ღ★ღ，从不同的业务应用形态出发ღ★ღ，深入探讨 AI 创新的实际落地场景和关键技术ღ★ღ。

　　在该专题论坛中ღ★ღ，王城波老师将分享《豆包 MarsCode 在 AI Coding 的探索与实践》ღ★ღ；马根明老师将分享《百度文心智能体开发实战与分发模式创新》ღ★ღ。另外ღ★ღ，黄建磊老师将在《创新产品设计》专题论坛中分享《Agent 驱动的智能答疑产品构建ღ★ღ：问答ღ★ღ、诊断与修复实践》查看大会日程解锁更多精彩内容ღ★ღ：

　　黄建磊ღ★ღ：在各位的实践中ღ★ღ，大模型的引入如何改变了传统的应用开发流程？能否结合您所在的团队ღ★ღ，分享一个具体的项目来说明这一转变？

　　马根明ღ★ღ：首先ღ★ღ，大模型在编写代码方面提供了极大的便利ღ★ღ。GitHub Copilotღ★ღ、百度 Comate 以及通义灵码等辅助工具ღ★ღ，它们已经深入到我们整个开发流程中ღ★ღ，帮助我们快速理解历史代码ღ★ღ，提高问题排查和定位的效率ღ★ღ。此外ღ★ღ，AI 技术的应用使得代码自动化生成的覆盖率达到了 30% 以上ღ★ღ，这意味着我们可以将更多的精力投入到业务开发中ღ★ღ，专注于更有意义和核心的业务ღ★ღ。现在ღ★ღ，我们不再需要传统的编写代码和需求的方式ღ★ღ，而是通过自然语言对话ღ★ღ，使用提示词来指导开发ღ★ღ。

　　黄建磊ღ★ღ：从个人角度来看ღ★ღ，AI 改变了我获取知识的方式ღ★ღ。过去ღ★ღ，我们依赖搜索引擎来解决问题ღ★ღ，需要自己筛选和总结答案ღ★ღ。现在我只需提出问题Bsport体育ღ★ღ，AI 就能帮我搜索ღ★ღ、总结并给出答案ღ★ღ，大大减少了获取知识的成本ღ★ღ。其次ღ★ღ，这种变化让我在面对不熟悉的领域时更有信心ღ★ღ。例如ღ★ღ，如果需要用 Python 实现一个新功能ღ★ღ，以前我可能需要花时间查找资料和学习ღ★ღ，而现在我可以直接把需求描述给 AI 模型ღ★ღ，它会根据我的需求用相应的语言实现功能ღ★ღ，甚至还能帮我进行持续迭代和重构ღ★ღ，这对我而言是一个巨大的改变ღ★ღ。

　　从团队角度来看ღ★ღ，我们部门作为阿里的研发运维基础设施ღ★ღ，可以看到 AI 正在不断渗透到研发运维的各个流程中ღ★ღ，提高效率ღ★ღ。包括代码补全ღ★ღ、自动代码评审ღ★ღ、问题诊断ღ★ღ、修复ღ★ღ，以及答疑类产品等等ღ★ღ，AI 正在极大地改变我们的工作方式ღ★ღ。

　　王城波ღ★ღ：字节的豆包 Marscode 本身就是面向辅助编程领域的产品ღ★ღ。首先ღ★ღ，在开发一些复杂的大型应用时ღ★ღ，AI 以 Copilot 的形式ღ★ღ，作为辅助编程的角色ღ★ღ，帮助我们更高效地完成编码工作ღ★ღ。其次ღ★ღ，我们可以嵌入 AI 来实现 AI DevOpsღ★ღ，帮助我们判断上线后的风险和指标变化ღ★ღ，从而避免可能的问题ღ★ღ。

　　另一方面一女被两根凶猛挺进视频ღ★ღ，对于简单的场景ღ★ღ，如开发脚本或相对简单的应用ღ★ღ，AI 带来的变化是颠覆性的ღ★ღ。正如马老师所说ღ★ღ，我们从写代码变成了描述需求ღ★ღ。例如Bsport体育ღ★ღ，Cursor 等产品让即使是 8 岁的小女孩也能在 40 分钟内打造一个聊天机器人ღ★ღ。在这些简单的应用场景中ღ★ღ，我们看到了 Copilot workspaceღ★ღ、replit agentღ★ღ、cursor composer 等产品的涌现ღ★ღ，我们更多的是需要清晰地描述我们的需求ღ★ღ，然后在 AI 的指导下ღ★ღ，通过 AI 驱动编程来实现这些需求ღ★ღ。

　　黄建磊ღ★ღ：大模型与传统工具结合时的关键挑战是什么？如何确保 AI 驱动的工具能够无缝融入现有开发流程ღ★ღ，提升工程师的生产力？

　　王城波ღ★ღ：AI Coding 被认为是实现 AGI 的潜在突破点ღ★ღ。然而ღ★ღ，在实际落地过程中ღ★ღ，我们面临两大方面的挑战ღ★ღ：算法侧和工程侧ღ★ღ。

　　在算法侧ღ★ღ，主要难题是数据和模型ღ★ღ。为了实现代码补全ღ★ღ、问答ღ★ღ、bug 修复或生成单测等功能ღ★ღ，我们需要大量高质量的数据来训练模型ღ★ღ。开源项目的数据与公司内部项目的数据在质量ღ★ღ、风格上存在较大差异ღ★ღ，这增加了数据准备的难度ღ★ღ。由于大模型受限于 token 和上下文的数量ღ★ღ，我们不能将整个代码库的内容一次性输入模型ღ★ღ。因此ღ★ღ，我们需要构建基于代码的知识图谱ღ★ღ，以提高代码理解的能力ღ★ღ。

　　在工程侧ღ★ღ，我们需要考虑如何存储和处理这些大型知识库ღ★ღ，以及如何在匹配时保证性能ღ★ღ。此外ღ★ღ，我们还需要考虑如何将 AI 技术与传统工程实践相结合ღ★ღ。例如ღ★ღ，在开发集成开发环境（IDE）时ღ★ღ，我们需要考虑如何让 AI 与 IDE 紧密结合ღ★ღ，以提供流畅的用户体验ღ★ღ。

　　马根明ღ★ღ：如何将传统应用能力与大模型对接？结合大模型的特点一女被两根凶猛挺进视频ღ★ღ，我们可以对产品进行改造或重构ღ★ღ。在这个过程中ღ★ღ，我们可能需要进行平滑的升级和迭代ღ★ღ，比如利用大模型提供的 function calling 和插件机制ღ★ღ，将我们的能力与大模型对接ღ★ღ。此外ღ★ღ，我们还需要考虑大模型是否适合我们的业务以及如何将传统业务与大模型相结合ღ★ღ，这涉及到数据清洗ღ★ღ、数据安全以及国内特有的涉政安全等问题ღ★ღ。我们需要避免这些问题的出现ღ★ღ，确保产品的安全性和合规性ღ★ღ。

　　黄建磊ღ★ღ：大模型和智能体应用成为当前开发中的热门趋势ღ★ღ。在您看来ღ★ღ，智能体技术和大模型结合的开发工具未来会如何演进？如何更好地支持开发者与业务场景结合？

　　马根明ღ★ღ：智能体其实就是基于大模型的应用ღ★ღ，可以根据给定的目标或任务ღ★ღ，自主地拆解任务ღ★ღ、思考并使用工具来完善自己的能力ღ★ღ。大模型通常通过 prompt 与人类交互一女被两根凶猛挺进视频ღ★ღ，这种方式要求用户必须明确地表达自己的需求ღ★ღ，而智能体则在此基础上增加了规划ღ★ღ、记忆和工具等组件ღ★ღ，使大模型更加智能和自适应ღ★ღ。

　　智能体的开发范式改变了传统的软件开发流程ღ★ღ。开发者只需明确表达自己的需求ღ★ღ，智能体平台就能推荐相应的插件和生成复杂的提示词ღ★ღ，从而简化了开发过程ღ★ღ。用户甚至可以通过一句话创建一个智能体ღ★ღ，例如ღ★ღ，通过关联特定的插件ღ★ღ，智能体可以自动执行任务ღ★ღ，如规划行程ღ★ღ、购票等ღ★ღ。

　　王城波ღ★ღ：在辅助编码领域ღ★ღ，我认为智能体的发展方向可以概括为两个不同的路径ღ★ღ。一种智能体面向的是初学者或对编程不太熟悉的用户ღ★ღ，例如ღ★ღ，通过简单的自然语言指令ღ★ღ，智能体可以生成前端网页或应用ღ★ღ。另一种智能体则更适合专业编程人员ღ★ღ，它们专注于代码补全ღ★ღ、bug 修复以及自动化测试等任务ღ★ღ。面向初学者的智能体可能在大型项目中无法发挥太大作用ღ★ღ，但它们非常适合作为编程学习的辅助工具ღ★ღ，或者用于满足用户的兴趣和爱好ღ★ღ。而面向专业开发者的智能体则更贴近实际的编程工作需求ღ★ღ，它们在实际应用中会更加广泛ღ★ღ。

　　黄建磊ღ★ღ：AI 应用的开发并非易事ღ★ღ。请问各位嘉宾ღ★ღ，您在应用开发的过程中遇到过哪些主要的技术挑战？是如何解决这些问题的？

　　王城波ღ★ღ：技术挑战主要出现在代码补全这一领域ღ★ღ。实际落地时ღ★ღ，我们面临了数据训练和性能要求这两大问题ღ★ღ。为了提升响应速度ღ★ღ，一方面ღ★ღ，我们采用了量化技术ღ★ღ，以及类似 Google 的推测解码和投机编码技术ღ★ღ，通过大小模型并行处理 tokenღ★ღ，然后由大模型验证 token 的一致性ღ★ღ，以此提升推理速度ღ★ღ。另一方面ღ★ღ，Meta 提出的多 token 预测也是提升推理速度的有效方法ღ★ღ。另一方面ღ★ღ，我们需要进行意图识别ღ★ღ，并根据用户的编码习惯判断何时发起补全请求Bsport体育ღ★ღ。这需要不断地根据线上数据进行调整和优化ღ★ღ。

　　在评估业务效果时ღ★ღ，我们不能仅依赖于采纳率这一指标ღ★ღ，因为采纳率可能会被操纵ღ★ღ。例如ღ★ღ，如果模型总是只补全一个括号ღ★ღ，采纳率可能会很高ღ★ღ，但用户不会觉得 AI 很智能ღ★ღ。因此ღ★ღ，我们采用了更综合的指标ღ★ღ，如 CPO（采纳率乘以尝试率Bsport体育ღ★ღ、AI 反馈率ღ★ღ，再乘以模型的 token 数和 token 的平均长度）ღ★ღ，来衡量整个业务效果ღ★ღ。

　　马根明ღ★ღ：首先ღ★ღ，模型资源目前还是很昂贵的ღ★ღ。无论是国内还是国外的模型ღ★ღ，token 都是非常宝贵的资源ღ★ღ，有效利用是个挑战ღ★ღ。举个具体的例子ღ★ღ，那就是 token 长短问题ღ★ღ，有些网页资源的 url 很长ღ★ღ，直接丢给模型浪费 tokenღ★ღ，为了解决这个问题ღ★ღ，我们在过程中加入了 file_id 字段进行映射ღ★ღ，来减少 token 消耗ღ★ღ。且在工程上会把模型流式结果缓存解析一女被两根凶猛挺进视频ღ★ღ，既保证模型效果ღ★ღ，又尽量保证输出时间ღ★ღ。

　　其次ღ★ღ，我们面临的另一个挑战是大模型的响应速度相对较慢ღ★ღ。为了提升用户体验Bsport体育ღ★ღ，我们需要优化首 token 耗时ღ★ღ。我们从工程上进行了优化ღ★ღ，拆解流程ღ★ღ，比如将一些串行任务进行并行处理ღ★ღ，将多次模型交互尽量变成一次模型交互ღ★ღ。此外ღ★ღ，我们还采用了分阶段使用多模型的方式ღ★ღ，用更快的模型进行规划ღ★ღ，然后用一些处理复杂任务的模型ღ★ღ，来处理数据ღ★ღ。

　　我们发现的第一个问题是ღ★ღ，用户来到平台的主要目的是为了转人工ღ★ღ，而不是与智能答疑系统进行互动ღ★ღ。为了解决这个问题ღ★ღ，我们增加了一个自动问题定位ღ★ღ。通过端到端的视角ღ★ღ，我们综合了用户在平台层面的操作ღ★ღ、应用层的异常状态以及容器层面的标准事件等信息ღ★ღ，以综合定位出一个完整的问题ღ★ღ。

　　第二个问题是ღ★ღ，智能答疑体系缺乏私域知识ღ★ღ。我们曾考虑通过人工编写来补充这些知识ღ★ღ，让一线开发人员参与编写ღ★ღ。然而ღ★ღ，这个过程非常耗费精力和人力ღ★ღ，而且开发人员对此有所抱怨ღ★ღ，导致效果和质量都不理想ღ★ღ。后来ღ★ღ，我们转变了思路ღ★ღ，意识到一线同学在日常编码ღ★ღ、错误处理和答疑过程中已经积累了丰富的隐性私域知识ღ★ღ。我们的目标是找到一种方法ღ★ღ，通过模型等技术手段将这些隐性知识转化为显性知识ღ★ღ，使模型能够利用这些知识ღ★ღ。

　　黄建磊ღ★ღ：AI 应用中ღ★ღ，数据的质量和数量常常是影响模型表现的关键因素ღ★ღ。请问各位嘉宾ღ★ღ，您在数据收集和预处理的过程中遇到过哪些挑战？如何确保数据能够支持模型高效工作？

　　王城波ღ★ღ：我们的数据主要分为两大块ღ★ღ。第一块是与业务功能直接相关的数据ღ★ღ，例如代码补全ღ★ღ。这一部分需要大量的人工标注工作ღ★ღ，因为公司内部的代码写法与开源社区的差异非常大ღ★ღ。我们最初基于基础框架构建数据集ღ★ღ，然后参考线上质量较好的工程进行扩展ღ★ღ，最后用于训练模型ღ★ღ。随着时间的推移ღ★ღ，我们开发了一些检测工具ღ★ღ，包括启发式和非启发式的工具ღ★ღ，以实现自动化的代码训练ღ★ღ。第二块数据是关于多点编辑的工作ღ★ღ，这涉及到对 commit diff 的训练和清洗ღ★ღ。难点在于用户的一些操作行为并没有反映在 git commit 上ღ★ღ，因此我们需要持续进行标注工作ღ★ღ。

　　马根明ღ★ღ：数据主要有两种来源ღ★ღ，一种是公开的网页数据ღ★ღ，这类数据量很大ღ★ღ，容易获取ღ★ღ；另一种是专业数据ღ★ღ，通常是格式化数据ღ★ღ，但由于缺乏统一标准ღ★ღ，每家公司的数据结构可能都不相同ღ★ღ，这使得处理难度大大增加ღ★ღ。为了确保数据质量ღ★ღ，我们会采取自动化工具ღ★ღ、策略或算法来进行数据清洗和标准化ღ★ღ。此外ღ★ღ，我们还需要定期进行数据审查ღ★ღ，并引入监控机制ღ★ღ，以确保数据的安全性和质量ღ★ღ。

　　黄建磊ღ★ღ：AI 在应用开发中的反馈速度对开发者的体验至关重要ღ★ღ。在代码补全ღ★ღ、调试等 AI 增强开发的场景中ღ★ღ，您是如何优化反馈延迟ღ★ღ、提升响应速度的？

　　马根明ღ★ღ：在整个智能体的优化过程中ღ★ღ，性能问题尤为突出ღ★ღ，因为它不仅涉及模型调用ღ★ღ，还涉及插件调用ღ★ღ。智能体在执行过程中需要理解意图ღ★ღ、规划任务ღ★ღ，然后调用插件和模型ღ★ღ，甚至可能涉及工作流ღ★ღ，每一步都可能非常耗时ღ★ღ。目前ღ★ღ，我们采用多模型ღ★ღ，并行处理ღ★ღ，任务合并等策略优化ღ★ღ，同时推进模型的耗时优化ღ★ღ，以提高用户的感知体验ღ★ღ。

　　王城波ღ★ღ：在模型侧可以通过推理优化来提升性能ღ★ღ，这包括模型量化ღ★ღ、推测解码ღ★ღ、投机采样或 token 优化等技术ღ★ღ。其次ღ★ღ，在工程链路中ღ★ღ，我们需要快速获取代码上下文ღ★ღ，并将其传递给我们的 prompt engine 以构造完整的 promptღ★ღ。这个过程包括文件传输ღ★ღ、与 IDE 中的 LSP 交互ღ★ღ，以及快速完成 prompt 构造一女被两根凶猛挺进视频ღ★ღ。然后ღ★ღ，我们将请求发送给模型进行推理ღ★ღ。

　　推理完成后ღ★ღ，我们还需要对代码进行后处理ღ★ღ，包括截断ღ★ღ、过滤语法不正确的内容ღ★ღ，以及处理敏感信息ღ★ღ。为了减轻后处理的负担ღ★ღ，我们应尽量在模型训练阶段就做到最好ღ★ღ，使得模型的输出尽可能接近最终所需的结果ღ★ღ。这需要我们在训练层面建立适当的指标并强化效果ღ★ღ。

　　黄建磊ღ★ღ：如何在智能应用开发中评估和决策ღ★ღ，以区分哪些功能改进或修补措施是必要的ღ★ღ，而哪些可以等待底层模型的进一步完善？

　　马根明ღ★ღ：不同的模型适用于不同的场景ღ★ღ，我们需要根据模型的特点和业务需求来定制选择ღ★ღ。具体问题需要具体分析ღ★ღ，没有固定的推荐方案ღ★ღ，一切都要根据业务去分析ღ★ღ。

　　在工程和模型的侧重点上ღ★ღ，如果问题能够通过工程过程解决ღ★ღ，我们可能就不需要依赖模型ღ★ღ。但模型有其独特的优势ღ★ღ，例如大模型在语义理解方面的能力ღ★ღ。传统搜索可能依赖关键词匹配ღ★ღ，而大模型可以通过语义理解来提供更准确的搜索结果ღ★ღ。比如ღ★ღ，用户输入一个不完整的字词ღ★ღ，通过语义理解ღ★ღ，模型能够找到符合意图的内容ღ★ღ。

　　王城波ღ★ღ：我认为工程和模型之间是一种相辅相成的关系ღ★ღ。工程的目的在于解决模型本身存在的问题ღ★ღ，比如幻觉现象或者上下文限制ღ★ღ，通过工程优化ღ★ღ，我们能够让模型更好地发挥作用ღ★ღ，实现更好的推理效果ღ★ღ，而不损害其性能ღ★ღ。随着模型的不断发展ღ★ღ，例如最近出现的 O1 模型ღ★ღ，它在 CoT 领域进行了强化ღ★ღ，这实际上是一种思维链的增强ღ★ღ。

　　王城波ღ★ღ：“AI”指的是集成开发环境（IDE）中集成的人工智能功能ღ★ღ，如代码补全等ღ★ღ。而“原生”则涉及到当前 AI 辅助编程的两种方式ღ★ღ：一种是现有的 IDE 通过插件集成 AI 功能ღ★ღ，如 VS Code 配合 GitHub Copilotღ★ღ；另一种则是 AI 与 IDE 更深层次的融合ღ★ღ。

　　我们内部目前还在讨论和试验阶段ღ★ღ，短期内可能会存在 AI 原生 IDE 和 AI 插件两种形态ღ★ღ。但从长远来看ღ★ღ，随着 AI 能力的进一步发展ღ★ღ，简单的补全或插件形式可能会限制用户体验ღ★ღ。我们期望未来的用户交互能够更加适应 AI 的能力ღ★ღ。随着 AI 能力的演进ღ★ღ，IDE 可能从生产工具转变为展示工具ღ★ღ。开发者的角色可能从机床操作者转变为监工ღ★ღ，监督 AI 工作ღ★ღ。AI 原生 IDE 的未来可能不再是我们直接编写代码的地方ღ★ღ，而是展示 AI 生成结果的平台ღ★ღ。

　　马根明ღ★ღ：在当前的智能体平台中ღ★ღ，用户通常不需要深入理解复杂的模型或进行专业的训练ღ★ღ。对于不熟悉模型的用户来说ღ★ღ，他们可以通过使用智能体的范式来实现他们的目标ღ★ღ。对于特定领域ღ★ღ，如情感或法律ღ★ღ，智能体平台也在提供垂直领域的模板和指导ღ★ღ，以满足不同开发需求并进一步降低开发成本ღ★ღ。

　　智能体的开发与传统的编程开发有所不同ღ★ღ。它更侧重于表达和沟通ღ★ღ，而不是编写代码ღ★ღ。这种方式使得更多的人能够参与进来ღ★ღ，共同探索如何创造出优秀的应用和智能体ღ★ღ。最终Bsport体育ღ★ღ，智能体的成功与否将取决于开发者的创造力和创新思维ღ★ღ。

　　马根明ღ★ღ：我非常认同智能体是未来几年的大趋势ღ★ღ。创作者可以利用 AI 技术轻松创作ღ★ღ，每个人都可能拥有一个智能体作为私人秘书ღ★ღ。当你需要信息时ღ★ღ，智能体可以与你交流ღ★ღ，为你答疑解惑ღ★ღ。随着技术的发展ღ★ღ，智能体将在更多方面发挥重要作用ღ★ღ。

　　王城波ღ★ღ：我注意到 OpenAI 提出了关于 AGI 的五个标准ღ★ღ。首先ღ★ღ，是聊天机器人ღ★ღ，它们具备对话语言组织能力ღ★ღ，比如 ChatGPTღ★ღ。其次ღ★ღ，是推理者ღ★ღ，它们能够像人类一样推理ღ★ღ，解决多种复杂问题Bsport体育ღ★ღ。第三是代理人ღ★ღ，它们能够代表用户自主采取行动执行任务ღ★ღ。第四是创新者ღ★ღ，它们能够协助人类完成新发明ღ★ღ。最后是组织者ღ★ღ，它们能够完成组织级别的工作ღ★ღ。

　　目前ღ★ღ，智能体正处于一个充满活力的发展阶段ღ★ღ，它们介于推理者和代理人之间ღ★ღ，能够承担起我们通过训练或设计来代表人类意志的任务ღ★ღ。未来ღ★ღ，我猜想智能体可能会发展成为集合体ღ★ღ，多个智能体集合在一起ღ★ღ，形成一个具有组织概念的集合体ღ★ღ。这种组织形式可能会是智能体发展的下一个阶段ღ★ღ。

　　王城波ღ★ღ：我的观点与黄老师相似ღ★ღ。AI 能够辅助完成基础的编码工作ღ★ღ，这意味着只会基础编码的初级程序员可能会逐渐被淘汰ღ★ღ。然而ღ★ღ，对于中高级程序员来说ღ★ღ，AI 将成为他们提升工作效率和达到更高领域的工具ღ★ღ，而不是取代他们ღ★ღ。

　　未来可能出现一种新的程序员——超级程序员ღ★ღ。他们的特点包括ღ★ღ：首先ღ★ღ，他们能够借助 AI 编写大量代码ღ★ღ，因此日均代码量会非常高ღ★ღ；其次ღ★ღ，他们能够跨多种编程语言工作ღ★ღ，不局限于单一技术栈ღ★ღ，甚至能够跨越前后端ღ★ღ，成为一个全面的编程专家ღ★ღ。

　　马根明ღ★ღ：我的观点是ღ★ღ，AI 应该被视为程序员的增强工具ღ★ღ，而不是取代者ღ★ღ。AI 很难取代人类ღ★ღ，因为它是基于现有知识学习的ღ★ღ，其创造力也受限于此Bsport体育ღ★ღ。对于物理世界中的创新和复杂业务的处理ღ★ღ，大部分工作仍然需要人类来组织和串联ღ★ღ。作为程序员ღ★ღ，我们应该保持积极的态度ღ★ღ，快速学习和了解新技术ღ★ღ，以保持竞争力ღ★ღ，避免被淘汰ღ★ღ。

　　2024年8月18-19日ღ★ღ，AICon 全球人工智能开发与应用大会·上海站成功举办ღ★ღ，汇聚超过60位大模型行业先锋ღ★ღ，全方位剖析大模型训练与推理机制ღ★ღ、多模态融合ღ★ღ、智能体Agent前沿进展ღ★ღ、检索增强（RAG）生成策略ღ★ღ、端侧模型优化与应用等热点内容ღ★ღ。经过嘉宾授权ღ★ღ，「AI前线」为你独家整理了一份演讲PPT合集ღ★ღ，不容错过ღ★ღ。关注「AI前线」ღ★ღ，回复关键词「PPT」免费获取ღ★ღ。

　　10 月 18 日 -19 日ღ★ღ，QCon 全球软件开发大会将在上海举办ღ★ღ。从云原生工程ღ★ღ、架构ღ★ღ、线上可靠性ღ★ღ、大前端ღ★ღ、技术管理等经典内容ღ★ღ，到 AI Agentღ★ღ、AI Infraღ★ღ、RAG 等大热的 AI 线+ 资深专家共聚一堂ღ★ღ，深度剖析相关落地实践案例ღ★ღ，共话前沿技术趋势ღ★ღ。大会火热报名中ღ★ღ，详情可联系票务经理 咨询ღ★ღ。