作者介绍：
姜天意，网易低代码业务中心技术负责人
段潇涵，字节跳动豆包 MarsCode IDE 架构师
Q：如何让 AI 真正融入到日常编程工作流程中？比如，在团队协作、 Code Review、版本控制、DevOps 流水线当中，AI 是如何融入进来；做 Prompt 工程、代码审计、测试环节时，是否会额外制定规范？
姜天意：在正常的业务开发中使用 Copilot 不用过多赘述，大家都在用。除此之外，我还有一些实践经验。首先，在进行测试时，我们尝试将 AI 接入，效果还不错。还有 AI 审查和 AI 扫描，早期的过程中，我们使用像 SonarQube 这样的工具进行扫描，这个过程相对繁琐，因为这些扫描工具会检测出很多 code style 问题，但意义不大。后来，我们接入了 AI 审查的能力，它将 M2DIFF 内容和原始文件交给大模型，然后生成一些非常有价值的建议，比如函数命名规范、哪些函数可以封装，或者某些组件在初始化时没有销毁，可能会导致内存泄漏等问题。
AI 审查比一般的静态扫描工具更强大，因此我们现在也在推动团队使用 AI 审查，并根据团队的实际情况添加一些规则。此外，由于我们是做 ToB 的，难免会涉及到 on-call 问题。因此，我们也在用 AI 进行台账和日志解读，它能够帮助我们解析用户运行时的报错，并 给出 AI 解读。比如，一些配置问题或代码翻译问题，AI 可以清晰地告诉用户问题所在，用户也能知道如何处理。
此外，我们还发现 AI 在扫描慢 SQL 时效果非常显著。我们已经将这一功能集成到产品中，帮助用户快速识别和定位慢 SQL 问题。现在，我们还在尝试 ChatOps，与监控团队合作。以前，分析或预警监控数据是个比较麻烦的事情。接入 AI 后，我们发现它在异常分析和变动分析上具有优势，尤其是某些情况下机器的毛刺、水位异常等问题，AI 无需我们编写规则就能有效处理。
最后，我想提一个我自己觉得非常好用的工具，我们正在使用 AI 工具进行代码优化和重构。早在 2020 年，我在阿里时，我们团队开发了一个表格组件，这个组件在 GitHub 上有相当多的用户。去年，我请求 Windsurf 帮我优化该组件的多维表格计算性能，结果它给出了几千字的优化建议，令我非常惊讶。我测试了一些建议，确实有效地提高了效率。
段潇涵：首先，在公司内部，我们可以看到 AI 逐渐渗透到 DevOps 的各个环节。 例如，在 Git 管理平台上，最初是出现了 AI 对 commit message 的总结，或者是有机器人帮你进行代码审查。随着时间的推移，基于大规模代码库和索引，Git 平台会逐步分析代码中是否存在变量命名问题、是否存在碎片化的函数等问题，这些功能也逐渐得到实现。我认为 Git 相 关的演进还是非常迅速的，因为编码与 AI 的结合，确实是大家探索的一个重点方向。
第二个方面是，在文档整理和架构设计时，我和团队成员会使用一些 AI 工具。过去我们可能更倾向于使用 C4 模型和 Plant UML 来画图，但这些图其实可以通过文本表达出来。很多时候，只需要清楚地表达需求，AI 就能快速生成相应的图形。如果手动绘制，这个过程非常耗时，且需要考虑布局和连线的问题。而通过代码转化为图像，再结合 AI，可以大幅提升效率。还有，我们内部使用的飞书工具也包含了非常实用的 AI 功能，尤其是在多维表格和文档处理方面。过去我会自己整理对比表格，处理表格的宽度、高度和单元格合并等细节。而现在，我只需使用无序列表，完成后可以一键整理成表格，效率非常高。AI 还能帮助设置表格的宽度与最长的对齐，自动合并同类项，这对云端文档非常有帮助。
回到我自己负责的 AI 与编码相关的工作，我们在 IDE 中更多地考虑如何将 AI 能力集成到开发者的日常工作中。大家常见的就是聊天侧边栏功能，比如 Windsurf 和 Cursor 等工具，它们通过对话生成内容。除此之外，IDE 的基础功能也可以与 AI 结合，比如在编辑器中，当出现 lint 类错误时，AI 可以快速联动到聊天窗口，或者直接在原地更新代码。比如，使用 VSCode 或 JetBrains 等 IDE 时，AI 可以帮助分析语法错误，处理自定义的 lint 报错，甚至检测出代码中的潜在问题，在终端中调试和查看报错时，AI 可以帮助我们快速判断问题是出在代码还是环境配置上，这些都能通过 AI 提高开发效率。搜索功能方面，AI 可以更好地理解自然语言，帮助开发者快速找到需要的内容。可以预见，在传统 IDE 功能的基础上，AI 将会为各个环节提供更深层次的支持。
精选留言