1.
简介
2.
前言:AI4SE 的 2024 趋势
3.
第 1 部分:AI4SE 体系设计
3.1.
AI4SE 体系设计原则
3.2.
软件生命周期驱动的 AI4SE
3.3.
Tabnine:AI 工具与 DevOps 驱动的 AI4SE
3.4.
Google:开发者活动驱动
3.5.
GitHub:AI 平台工程赋能开发者
3.6.
Gitlab:赋能开发者的 AI4SE
4.
第 2 部分:AI IDE 辅助软件工程
4.1.
练习环境准备
4.1.1.
基于示例展示:重构代码
4.2.
研发数字化
4.2.1.
知识管理
4.2.2.
关联的提交信息
4.2.3.
需求智能化
4.2.4.
平台工程
4.3.
AI 低代码生成
4.3.1.
UI 代码生成
4.3.2.
UI 交互生成
4.3.3.
低代码生成
4.4.
AI 辅助开发
4.4.1.
代码补全
4.4.2.
代码注释生成
4.4.3.
代码片段生成
4.4.4.
代码文档生成
4.4.5.
CLI 命令生成
4.5.
AI 辅助软件质量
4.5.1.
代码质量检查
4.5.2.
代码检视
4.5.3.
问题修复
4.6.
AI 辅助测试
4.6.1.
测试用例生成
4.6.2.
单元测试生成
4.6.3.
API 测试生成
4.7.
AI 辅助 CI/CD
4.7.1.
流水线生成
4.7.2.
CI/CD 流水线
4.8.
AI 辅助架构设计
4.8.1.
架构设计生成
4.9.
AI 运维
4.9.1.
SQL 优化生成
4.9.2.
辅助运维监控
4.9.3.
辅助根因分析
5.
第 3 部分:面向场景定制 AI 插件能力
5.1.
遗留系统重构示例
5.2.
系统迁移
5.3.
团队 AI
6.
第 4 部分:编程智能体辅助软件工程
6.1.
编码智能体基础设施
6.2.
远程 AI 智能体
6.2.1.
重构 AI 测试生成
6.2.2.
场景:新人上手项目
6.3.
本地 AI 智能体
6.3.1.
理解 RAG 应用
6.3.2.
编码任务 Agent
6.3.3.
Copilot Chat 是如何工作的
6.3.4.
代码问答 Agent 示例
6.3.5.
Copilot Workspace
6.4.
RAG 数据与 AI 安全
6.5.
Agent 调试
7.
第 5 部分:AI 自动化编程
7.1.
理解 AI 自动化编程
7.2.
自动化 CRUD
8.
第 6 部分:评估与度量
8.1.
AI4SE 度量设置
8.2.
AI4SE 度量评估
8.3.
AI4SE 度量
9.
未来展望
10.
参考资料
Light
Rust
Coal
Navy
Ayu
AI 辅助软件工程:实践与案例解析(草稿)
AI 辅助软件工程:未来展望