课程导言

1.    AI时代简报：当今的AI可以帮你做什么？

1.      大模型时代工程师的生涯疑问

结合时下AI快讯，引出话题，抛出问题。

AI理论知识脉络：从机器学习到大语言模型代码生成

1.     什么是 AI？AI 模型的本质是什么？

2.     从简单的分类器到神经网络中的数学原理

3.     机器学习模型训练的5大核心关键词

4.     从Seq2Seq到Transformer再到GPT

5.     大语言模型的演进和代码生成能力

6.     应用场景：从对话到代码生成

7.     扩散模型简介：更小的代码生成模型

构建 AI 基础概念认识、理论体系轮廓，为理解代码生成的原理和能力打下基础

代码生成的常用技巧和实战

1.    代码生成的prompt技巧和应用案例

2.    辅助编程Copilot技巧

3.    Github Copilot插件为例剖析代码生成原理

4.    AI Agent：让大模型深入了解工程和代码

5.    流行 AI Agent 框架介绍和实战

6.    大语言模型微调的要点与实战

7.    代码生成模型的部署

8.    大语言模型代码能力的量化测评

9.    代码模型的训练数据

结合实战演示和案例，

全面深化对大模型代码

生成认识，具备一定的

深度思考能力和实战能

力。

代码生成的工程化方案

1.    软件工程和软件研发的“质”与“效”

2.    传统研发流程与DevOps实践

3.    软件研发流水线的智能化赋能

l Github Copilot X 全面介绍

l 代码从设计到生成

l 让大语言模型了解你的工程：从选型到微调

l 运用 AI Agent 解决粒度更大的问题

l Code Review Copilot

4.    智能化时代下研发管理问题的思考展望

进一步从开发日常写代

码过度到软件工程化方

案整合实践当中。

代码和软件的质量保障

1.    传统的静态代码分析和质量保障手段

2.    大语言模型的单元测试生成方案

3.    更复杂的测试生成

4.    灰盒视角的应用分析、代码检测

5.    测试生成模型微调

6.    代码问题原因定位

从生成过渡到优化，分

享质量保障的可选实战

方案。