課程簡介

話題概述:
AI代碼助手，如GitHub Copilot等，已成為現(xiàn)代軟件開發(fā)中不可或缺的一環(huán)，它們極大地加速了代碼編寫的進程，提升了工作效率。然而，伴隨而來的是對代碼質(zhì)量、開發(fā)流程乃至開發(fā)者角色的深刻挑戰(zhàn)。特別是在金融這一數(shù)據(jù)密集型行業(yè)，對代碼精確性、數(shù)據(jù)合規(guī)性的要求嚴苛至極。如何讓大型AI模型在金融行業(yè)的研發(fā)領域得以有效應用，真正助力研發(fā)人員提升效率，而非僅成為初級開發(fā)者的輔助工具或高級開發(fā)者的娛樂玩具，是我們亟需解決的問題。在本次分享中，我們將從架構設計、工程實踐、團隊協(xié)作策略、工具選擇與整合等多個層面，深入探討在AI助手日益普及的背景下，如何構建一套既提升開發(fā)效率又保障代碼質(zhì)量的軟件開發(fā)生態(tài)。同時，基于我們豐富的實踐經(jīng)驗與深刻反思，我們將分享對AI助手在軟件開發(fā)中角色定位的前瞻思考，以及對AI輔助編程未來發(fā)展趨勢的展望。

演講題綱:
一、引言
1.1 AI代碼助手的崛起與挑戰(zhàn)：概述AI代碼助手（如GitHub Copilot）在現(xiàn)代軟件開發(fā)中的重要地位及其對代碼質(zhì)量和開發(fā)流程帶來的挑戰(zhàn)。
1.2 金融行業(yè)特殊性與需求：強調(diào)金融行業(yè)對代碼準確性和數(shù)據(jù)合規(guī)性的極高要求，以及對AI代碼助手在金融研發(fā)領域的獨特期待。

二、AI代碼助手在金融研發(fā)領域的適配策略
2.1 模型選型與定制化：闡述如何根據(jù)金融行業(yè)特點選擇或定制大模型，確保其滿足數(shù)據(jù)安全、合規(guī)性要求。
2.2 代碼質(zhì)量保障機制：介紹在AI助手輔助下，如何建立有效的代碼審查、測試、重構流程，以保持代碼質(zhì)量。

三、構建兼顧效率與質(zhì)量的AI輔助開發(fā)生態(tài)
3.1 架構設計與工程實踐：分享如何在項目架構層面整合AI助手，以及在工程實踐中如何規(guī)范AI輔助編程行為，確保代碼的可讀性、可維護性。
3.2 團隊協(xié)作與溝通：探討如何調(diào)整團隊協(xié)作模式，促進AI助手使用中的信息共享、知識傳遞，避免“低級開發(fā)者工具，高級開發(fā)者的玩具”現(xiàn)象。
3.3 工具選擇與整合：介紹適用于金融研發(fā)場景的AI助手及相關工具，包括眾安保險的開源智能助手DevPilot和內(nèi)部研發(fā)支持平臺靈狐，以及如何進行有效的工具鏈整合，提升整體開發(fā)效率。

四、眾安保險智能插件在金融研發(fā)中的應用
4.1 DevPilot開源智能助手：詳細介紹DevPilot的功能特性、技術架構、與金融行業(yè)開發(fā)環(huán)境的契合度，以及其在提升金融研發(fā)效率、保障代碼質(zhì)量方面的具體應用案例。
4.2 靈狐內(nèi)部研發(fā)支持平臺：闡述靈狐平臺的核心功能、與其他AI工具的協(xié)同作用，以及其如何為金融研發(fā)團隊提供全方位的支持與服務，提升整體研發(fā)效能。

五、實戰(zhàn)經(jīng)驗與反思
5.1 踩過的“坑”與應對策略：分享在引入AI助手過程中遇到的實際問題、應對方法，以及從中獲得的寶貴經(jīng)驗，特別側重于使用眾安智能插件DevPilot與靈狐平臺的實踐經(jīng)驗。
5.2 AI助手的角色定位與未來展望：基于實戰(zhàn)經(jīng)驗，探討AI助手在軟件開發(fā)中的理想角色，以及對未來AI輔助編程演進路徑的預測，同時結合眾安智能插件的特性和發(fā)展趨勢進行深入探討。

六、金融數(shù)據(jù)密集型場景下的大模型落地實踐
6.1 具體應用案例解析：詳細介紹金融行業(yè)某具體項目中，大模型如何在數(shù)據(jù)密集型任務中發(fā)揮作用，提升研發(fā)效能，同時展示眾安智能插件如何輔助大模型在金融場景中的應用。
6.2 效能提升數(shù)據(jù)與成果展示：通過具體數(shù)據(jù)和案例，直觀呈現(xiàn)大模型在金融研發(fā)中對效率、質(zhì)量、成本等方面的改善效果，以及眾安智能插件在其中的貢獻。


話題亮點：
1.金融行業(yè)特異性AI代碼助手適配方案：針對金融行業(yè)對代碼準確性和數(shù)據(jù)合規(guī)性的極高要求，我們提出了針對性的大模型落地策略，確保其在滿足嚴苛行業(yè)標準的前提下，有效提升研發(fā)人員效率，避免淪為單純提升初級開發(fā)者生產(chǎn)力或僅供高級開發(fā)者探索的工具。
2.多維度構建AI輔助開發(fā)的最佳實踐生態(tài)：通過架構設計、工程實踐、團隊協(xié)作策略、工具選擇與整合等全方位視角，系統(tǒng)性地闡述如何在AI助手廣泛應用的環(huán)境中，兼顧開發(fā)效率與代碼質(zhì)量，構建健康、高效的軟件開發(fā)生態(tài)。
3.直面挑戰(zhàn)，提供實戰(zhàn)經(jīng)驗與前瞻性思考：基于親身經(jīng)歷的“坑”與反思，分享在應對AI助手帶來的復雜問題時的實際應對策略與深度思考，為聽眾提供寶貴的一線實踐經(jīng)驗，并對AI助手在軟件開發(fā)中的角色定位和未來演進方向給出前瞻性的見解。
4.持續(xù)優(yōu)化，確保代碼質(zhì)量與開發(fā)流程雙提升：盡管面臨挑戰(zhàn)，我們堅信并已通過持續(xù)探索與實踐證明，能夠成功駕馭AI助手的變革力量，在享受其效率紅利的同時，確保代碼質(zhì)量與開發(fā)流程的穩(wěn)健進化，為企業(yè)技術創(chuàng)新與業(yè)務發(fā)展提供堅實保障。
5.金融數(shù)據(jù)密集型場景下的大模型落地典范：以金融行業(yè)為背景，探討大模型在數(shù)據(jù)密集型企業(yè)研發(fā)效能提升的具體應用與落地，為同類企業(yè)提供可借鑒的成功案例，展現(xiàn)大模型技術在復雜業(yè)務場景下的強大價值與適用性。

目標收益

精通金融行業(yè)AI代碼助手的適配策略：聽眾將掌握如何針對金融行業(yè)的特殊需求，選取、定制或調(diào)整AI代碼助手，確保其在嚴格的數(shù)據(jù)安全、合規(guī)性要求下，有效提升研發(fā)效率而不損害代碼質(zhì)量。
構建高效且高質(zhì)量的AI輔助開發(fā)體系：聽眾將深入了解如何在架構設計、工程實踐、團隊協(xié)作與工具整合等多層面，系統(tǒng)性地構建一個既能充分利用AI助手提升開發(fā)效率，又能嚴格保障代碼質(zhì)量和開發(fā)規(guī)范的軟件開發(fā)生態(tài)。
實戰(zhàn)經(jīng)驗與前瞻性洞見的汲?。和ㄟ^聆聽演講者分享的真實案例、踩過的“坑”與應對策略，聽眾將直接獲取在金融研發(fā)中應用AI助手的寶貴實戰(zhàn)經(jīng)驗，并對AI助手在軟件開發(fā)中的角色定位與未來發(fā)展趨勢形成深刻認識。
金融數(shù)據(jù)密集型場景下大模型落地的實戰(zhàn)指南：聽眾將學習到如何在金融行業(yè)的數(shù)據(jù)密集型任務中成功應用大模型，提升研發(fā)效能，包括具體的應用案例、實施步驟、效能提升數(shù)據(jù)與成果展示，為自身項目的落地提供實用參考。
提升技術領導力與團隊協(xié)作效能：對于技術管理人員，本議題將提供關于如何引導團隊合理、高效地使用AI助手，調(diào)整協(xié)作模式以適應新技術環(huán)境，以及如何通過工具選擇與整合優(yōu)化開發(fā)流程的實用建議，有助于提升其技術領導力與團隊協(xié)作效能。
緊跟AI輔助編程技術前沿：通過本次演講，聽眾將對AI代碼助手、大模型等前沿技術在金融研發(fā)領域的最新應用與挑戰(zhàn)有全面了解，有助于保持技術敏銳度，為個人職業(yè)發(fā)展與企業(yè)技術路線規(guī)劃提供前瞻視野。

培訓對象

1.金融行業(yè)軟件開發(fā)與技術管理人員：特別是從事金融科技、數(shù)字銀行等領域研發(fā)工作的架構師、技術經(jīng)理、項目經(jīng)理等，他們對金融業(yè)務邏輯、數(shù)據(jù)安全、合規(guī)性要求有深入理解，且關注如何在保證這些關鍵要素的基礎上引入AI代碼助手以提升研發(fā)效能。
2.AI與機器學習技術應用專家：對AI代碼助手、大模型技術有濃厚興趣或已在項目中實踐應用的專業(yè)人士，他們對自然語言處理、深度學習、自動編程等相關技術有一定了解，渴望了解金融行業(yè)的特定應用案例和最佳實踐。
3.代碼質(zhì)量管理與開發(fā)者效能提升專家：包括DevOps工程師、質(zhì)量保證（QA）負責人、開發(fā)流程優(yōu)化顧問等，他們關注代碼質(zhì)量、技術債務、開發(fā)效率等核心議題，對如何

課程內(nèi)容

案例方向

---

大模型應用創(chuàng)新（to C 應用）/大模型應用創(chuàng)新（金融方向）/大模型應用創(chuàng)新（垂類行業(yè)）

話題概述

---

隨著大模型技術的迅猛進步，智能客服正日益成為數(shù)字銀行領域的革新亮點。眾安銀行，作為香港數(shù)字銀行的先行者，始終致力于技術創(chuàng)新的探索與實踐。本次大會，我們將與大家分享眾安銀行在大模型與數(shù)字客服融合領域的創(chuàng)新實踐——數(shù)字“小安”空中柜臺項目。
該項目旨在通過引入先進的大模型技術，顛覆傳統(tǒng)APP的冰冷交互模式，為客戶帶來更加溫馨、人性化的服務體驗。我們深入洞察年輕客戶的好奇心理和老年客戶對線下服務的依賴，創(chuàng)造性地推出了數(shù)字人客戶經(jīng)理的概念?？蛻舸蜷_APP時，將仿佛步入真實的銀行環(huán)境，與數(shù)字人客戶經(jīng)理進行自然流暢的互動，輕松咨詢優(yōu)惠活動、查詢賬單、進行轉賬等操作。
在技術實現(xiàn)層面，我們采用數(shù)字人模式，根據(jù)用戶畫像和具體需求，分配具有不同形象的數(shù)字人客戶經(jīng)理。通過高效的轉換層處理，我們能夠將客戶端的語音等信號迅速識別并轉換為可處理的信息，再通過業(yè)務分析和決策引擎，精準匹配到相應的API接口進行邏輯處理。此外，我們充分利用數(shù)字人平臺和靈犀平臺（眾安AIGC中臺）的強大能力以及AI技術，構建了一個高效、智能的業(yè)務邏輯層，為項目提供了堅實的技術支撐。
目前，數(shù)字“小安”空中柜臺功能已進入生產(chǎn)灰度驗證階段，并獲得了部分用戶的積極反饋，效果良好。我們堅信，這一創(chuàng)新實踐將為客戶帶來更加便捷、高效的服務體驗，同時也將為銀行業(yè)的智能化升級轉型提供有力的支持。

收益

---

1.深化對大模型技術的理解與應用：
中高端技術人員通過本次分享，能夠深入了解大模型技術在數(shù)字銀行客服領域的實際應用場景，包括如何結合業(yè)務場景實現(xiàn)個性化服務、智能交互等功能。這將有助于他們更全面地掌握大模型技術的原理、特點和應用方法，進一步提升自身的技術水平和應用能力。
2.拓寬技術創(chuàng)新思路與視野：
通過了解眾安銀行在數(shù)字客服領域的創(chuàng)新實踐，技術人員可以拓寬技術創(chuàng)新思路，啟發(fā)自己在實際工作中如何結合業(yè)務需求和技術趨勢，探索新的技術應用方向。此外，分享中涉及的數(shù)字人客戶經(jīng)理概念、高效智能業(yè)務邏輯層構建等技術實現(xiàn)細節(jié)，也將為技術人員提供寶貴的參考和借鑒。
3.提升業(yè)務與技術的融合能力：
本次分享不僅關注技術本身，還強調(diào)了技術與業(yè)務的融合。技術人員通過了解業(yè)務痛點、需求以及實際落地的挑戰(zhàn)，將能夠更好地將技術應用于實際業(yè)務場景中，提升業(yè)務效率和服務質(zhì)量。同時，通過學習和借鑒成功案例的經(jīng)驗和教訓，技術人員也可以更加熟練地處理業(yè)務與技術之間的協(xié)同問題，提升自己在項目中的價值和影響力。

演講題綱

---

一、引言
簡述數(shù)字銀行發(fā)展趨勢及面臨的挑戰(zhàn)
引出大模型技術在數(shù)字客服領域的創(chuàng)新應用

二、業(yè)務場景概述
數(shù)字銀行客服的業(yè)務需求及場景分析
用戶對智能客服的期望與需求調(diào)研

三、業(yè)務痛點分析
傳統(tǒng)客服模式的問題與不足
響應速度慢
服務質(zhì)量不穩(wěn)定
無法滿足個性化需求
現(xiàn)有智能客服解決方案的局限性
技術瓶頸
數(shù)據(jù)處理能力不足
用戶體驗不佳

四、可行性分析
大模型技術在客服領域的適用性分析
技術資源與市場需求的匹配度評估
潛在的風險與應對策略

五、整體解決方案
大模型與數(shù)字客服的融合策略
數(shù)字人客戶經(jīng)理的概念及實現(xiàn)路徑
高效智能業(yè)務邏輯層的構建方法

六、數(shù)據(jù)流圖詳解
客戶端信號識別與轉換流程
業(yè)務分析與決策引擎的工作原理
API接口匹配與邏輯處理過程

七、柜員機器人實現(xiàn)
數(shù)字人模式的設計與實現(xiàn)
用戶畫像與需求匹配的算法原理
實時互動與語音交互技術的應用

八、實際落地的痛點與挑戰(zhàn)
技術實施過程中的難點與問題
用戶接受度與培訓成本考慮
數(shù)據(jù)安全與隱私保護挑戰(zhàn)

九、案例分享與效果評估
數(shù)字“小安”空中柜臺項目的實施情況
用戶反饋與業(yè)務效果分析
成功經(jīng)驗與教訓總結

話題亮點

---

1.創(chuàng)新引入大模型技術提升服務體驗；
2.數(shù)字人客戶經(jīng)理概念的實現(xiàn)；