你将收获

软件研发实战解析

软件质量提效实践

适用人群

软件开发人员:希望了解AIGC在提升研发效率中的应用和实践 QA工程师:关注自动化测试流程和需求文档处理的优化 数据分析师:希望掌握A/B测试在数据基建和AI模型优化中的应用 产品经理:关注如何通过数据驱动决策和创新

课程介绍

京东的AIGC革新之旅:通过JoyCoder实现研发提效

简介:在人工智能生成内容(AIGC)技术引领的软件行业革命中,京东集团以其对AIGC的深入应用和实践,成功将这一创新技术转化为推动研发效率提升的强大工具。本次议题将与大家分享京东上万人研发如何利用自研的JoyCoder工具,将AIGC技术转化为软件开发的加速器和创新引擎。 议题中我们将分为如下几部分进行分享,首先:探讨AIGC技术如何为软件行业带来深远的影响,特别是它如何通过自动化和智能化手段,彻底改善了软件开发的流程。其次,将深入介绍京东如何通过JoyCoder,针对复杂的研发场景,实现显著的效率提升。我们将详细介绍JoyCoder的设计架构和能力以及它是如何满足上万人研发及其他大中小不同规模企业在软件开发过程中的多样化需求。最后,将展示JoyCoder代码插件与京东内部工具结合的最佳实践案例。这些案例不仅证明了JoyCoder在实际应用中的强大功能,也展示了京东在推动AIGC技术商业化应用方面的前瞻探索。

 1.AIGC对软件行业的影响

2.京东如何借助AIGC进行研发场景提效

3.JoyCoder的产品架构

4.产品能力介绍

5.代码插件与京东内部工具结合的最佳实践

 

AI Checklist:Qunar结合AIGC在测试域的提效实践

简介:随着ChatGPT的广泛应用,大量的自然语言处理工作得以自动化。而在测试流程中,checklist的编写是qa角色对需求文档这样一种自然语言的梳理,翻译以及理解的过程,因此可以借助大模型AI对需求文档进行自动化生成checklist的工作,从而降低人工成本。并且为自测自发项目生成chekclist辅助开发自测,提高项目开发及测试的效率与质量。

1.去哪儿在测试域的痛点介绍

2.AI checklist项目的设计方案

a)业界参考样例

b)Qunar探索的解决方案

c)系统架构 i.需求文档预处理模块 ii.需求点分析模块 iii.AIGC基建模块 iv.Checklist的转换模块

d)样例展示

3.对自动生成case的效果评估方案

a)效果评估指标介绍

b)效果评估方案对比

c)基于embedding的自动效果评估方案介绍

4.成果及后续计划

a)目前效果

b)未来计划

 

A/B测试:AI大模型时代的关键引擎

简介: A/B 测试作为一种科学的实验方法,通过精确的数据分析和持续优化,成为企业构建高效数据基础设施的重要工具。它不仅提升了业务决策的准确性,还推动了数据驱动的创新与增长。在 AI 大模型时代,数据的质量和准确性直接影响模型的性能。A/B 测试通过优化模型训练数据,提升 AI 模型的效能,确保企业在智能化和数据驱动的未来中占据领先地位。 通过本次分享,旨在让与会者全面了解A/B测试在新数据基建中的核心作用,特别是在AI大模型时代的数据基建中的重要性。希望通过实用的案例和深入的分析,帮助企业更好地利用A/B测试推动数据驱动的创新和增长。

1.引言与A/B概述

2.A/B测试驱动新数据基建的重要性

3.AI大模型时代的数据基建与A/B测试

4.未来规划及展望