从AI编程认知AI（AI大模型全栈系列）

1

课程简介讲解AI大模型全栈系列课程划分、课程宗旨、个人履历、整体知识框架。

2

大模型概念、与传统AI的区别讲解大模型是具有大规模参数和复杂计算结构的机器学习模型（如Transformer算法架构），大规模语料集由深度神经网络训练而成，拥有数十亿甚至数万亿参数。具备参数规模大、语料规模大、算力规模大三项特点，具备通用能力、泛化能力、涌现能力三大能力；传统AI针对不同场景训练各种小模型，其预测性较强，但泛化能力弱，能解决单一场景问题。大模型具有通用与泛化能力，支持多个场景使用一个模型，有效解决模型碎片化问题。在工业领域，根据实际应用场景，可采取大小模型协同发展模式。

3

大模型分类讲解按应用类型划分，通常分为语言、视觉和多模态大模型。语言大模型用于文本内容理解、生成，成熟度较高；视觉大模型用于图像分类、分割和检测，成熟度中等；多模态大模型应用于文/图/音混合检索、生成，成熟度较低。在地震、气象预测等领域，可针对特定数据集构建科学计算大模型。

4

语言大模型七大能力讲解大模型包括文本生成、知识问答、语言理解、逻辑推理、数学能力、代码能力、多模态能力

5

怎么发挥AI能力讲解我时间消耗在哪里？怎么让AI帮我省时间；AI在软件开发整个过程中是如何使用的，能么让AI发挥它的价值。

6

大模型为什么要在编程应用场景中落地讲解编程应用场景的特点、编程的技术优势、编程场景的市场空间以及人员配合程度，从这几个维度可确认编程是大模型落地的重要场景之一。

7

从编程类推到其它应用场景AI落地讲解编程助手与现有的开发人员或者运维人员的工作模式；使用 AI 编程，除了解决编程问题以外，更重要是形成对 AI 的正确认知，同样在其它行业领域中正确的认知AI的落地

8

国外代码助手GitHub Copilot介绍及演示介绍国外代码助手GitHub Copilot、演示通过Copilot编写测试用例、编写整个函数以及通过注释编写代码。

9

国外代码助手GitHub Copilot Chat介绍及演示介绍国外代码助手GitHub Copilot Chat、演示通过Copilot编写测试用例、编写整个函数以及通过注释编写代码。

10

国外代码助手GitHub Copilot基本原理、数据流讲解国外代码助手GitHub Copilot基本原理、数据流以及国内有关类似的工具和产品。

11

国内代码助手功能框架讲解国内代码助手关注使用者，支持千人千面的推荐策略；同时更加关注管理侧需求，提供一系列的保障措施，支撑业务快速的接入产品，也支撑企业用好产品。

12

国内代码助手应用场景之一：辅助写代码按照应用场景构建的思路讲解辅助写代码的应用场景；首先讲解客户在些场景中面临的问题，通过什么功能来实现，带来什么样的效果和价值。

13

国内代码助手应用场景之一：辅助写SQL按照应用场景构建的思路讲解辅助写SQL的应用场景；首先讲解客户在些场景中面临的问题，通过什么功能来实现，带来什么样的效果和价值。

14

国内代码助手应用场景之一：单元测试按照应用场景构建的思路讲解辅助单元测试的应用场景；首先讲解客户在些场景中面临的问题，通过什么功能来实现，带来什么样的效果和价值。

15

国内代码助手应用场景之一：代码调试和质效平台功能按照应用场景构建的思路讲解辅助代码调试的应用场景；首先讲解客户在些场景中面临的问题，通过什么功能来实现，带来什么样的效果和价值。

16

国内代码助手应用场景之一：代码审核和专属代码助手按照应用场景构建的思路讲解辅助代码审核和专属代码助手的应用场景；首先讲解客户在些场景中面临的问题，通过什么功能来实现，带来什么样的效果和价值。

17

AI 编程有效性度量对于使用AI提升编程能力，需要有完整的闭环：给客户提供可量化的工具，能够度量AI编程带来了多大的效果，在这里使用网易内部度量AI编程，统计完成量和完成度

18

AI 编程的 Agent 尝试及Agent落地难题前面讲的AI编程都是帮你编程、辅助你编程，而 Agent 是完全代替你编程。甚至能做更多……

19

AI 编程效能决定因素及干扰因素使用者的判断力，决定了 AI 能力的上限。 就像团队领导，是团队的上限一样。

20

AI编程未来发展趋势AI 编程不仅可以解决自己的问题，内部企业的问题，也是一个巨大的市场，会重构所有的软件。