qoder企业版用完怎么办

今天阿里啊，有两件事情，我觉得非常有必要单独拎出来聊聊，一个是 core 的 移动端悄悄上线了，另一个是全新的数字员工产品 core 的 位启动了内测邀请。但在聊产品之前呢，我想先带你们看一眼今年 ai 编程和 agent 赛道到底有多夸张， 可以说是真的在狂飙。 carson 今年三月的数据啊，年化收入突破了二十亿美元，估值二百九十三亿美元，企业客户已经占到他收入的百分之六十。 insrappy 更猛，四月年化收入达到了三百亿美元，估值三千八百亿美元，其中 carco 是 它最重要的增长引擎。 c n c 的 david 不 止二百五十亿美元，也一度把 ai 会不会取代程序员这个话题推到了全民的讨论。这个赛道啊，已经不能用小儿美来形容了，它正在变成全球科技巨头正面交锋的主战场。为什么这一期视频会聚焦到扣的？我刚刚了解到一组独家数据 的，全系产品，目前用户规模已经超过了五百万，年化经常性收入突破了六千万美元，这个数字官方还没有正式对外透露。可以说啊，在 a 准赛道里，扣的已经是国内营收规模最高的产品 之一了。当然啦，跟 kris s ropy 这种全球巨头相比还是有差距的。但毕竟扣的发布了还不到一年，按照目前的增长曲线，再叠加背后阿里的基础体系、 产品矩阵和通用领马的用户基础，它接下来的量级啊，会完全不一样。这次 co 的 上线的新产品啊，我觉得可以放到全球竞品的框架里看。 s ropy 现在的布局呢，大概是三层， coco 做编程， coco word 做桌面办公。移动端再打通全场景。 code 的 产品线也在对标这个方向，但覆盖会更细。 code id 是 一个独立的代码编辑器，它不是简单的加个 ai 插件，而是把 ai 深度集成进去，能理解整个项目结构，也能够根据自然语言指令直接改代码。 codeclick 是 命令行工具，它不依赖任何编辑器，你可以在任何终端里面敲命令，就 能让 ai 干活。它还能够被其他工具调用，所以它很适合做自动化场景的技术。 co 的 word 呢，是桌面版的 ai 助手，它不只是写代码，它还会面向更广泛的办公场景，更像一个坐在你旁边的 ai 同事。再加上这次上线的 co 的 移动端呢，把移动入口也补齐 了。但我觉得呢， co 的 这次真正打出差异化的是 co 的 位，也就是这一次启动腰侧的数字员工。这个品类呢，在全球的 ai 市场里，目前还没有特别直接的对标产品。 你可以这么去理解， call 的 产品矩阵前面三个呢，是为了让 ai 更好的在桌面上干活，移动端呢，需要你在手机上可以随时管理这些 ai 干活。那 call 的 位呢，就更进一步了，把 ai 从工具往数字员工这个角色上推。先说移动端呢， 现在你的很多 agent 都会接近 i n， 对 吧？你在群里面艾特他们一下， i n 帮你干活，然后回复你，方便是很方便，但它有个天然的问题啊， i n 聊天工具，它展示的是聊天记录，不是工作流， 是不太适合复杂的 a 准任务。 call 的 移动端呢，把任务做成完整的任务卡片和工作流，你在手机上呢，可以实时查看任务进度，可以审批高风险的操作，也可以随时追加指令。举一个 call 的 团队给的场景啊，凌晨某个线上服务报错， ai 就 开始自动排查，翻日记看 com， 最后整理成一份出诊报告，还给出两套修复方案。第二天早上呢，你在地铁上打开手机，两分钟内就能看完了方案，做选择，再补一句指令， 整个过程呢，在手机上就能完成，这就是移动端的价值，没准在桌面上跑，你在手机上随时管。再说说 call the way， 那 传统的 ai 助手，本质上还是你问他答，你不叫他，他就不动。那 call the way 呢，就不同，他是数字员工，有明确的岗位，有长期的记忆，有权限边界，可以七省二十四小时不间断的运行。而 而且它有三个核心能力，第一个是快速净化，每一次任务完成之后，它会自动复盘，那些步骤，多余了那个判断篇了，下一次怎么样做得更好，这些经验会沉淀下来，所以它不是一个一次性的工具，你越用它越懂你。那第二个呢，是安全可控， 它跑在独立权限的沙盒里面，所有的操作都有审计日制，它记住了什么，用户也可以查看纠正，甚至啊让他忘掉某一条线。 那第三个呢，就是生产可用，每一个数字员工上岗前都经过了岗位的系统性培训，用户拿到的呀，不是一个空白的工具，到了岗位就能开始干活。扣得的团队呢，也已经在内部大规模的使用扣得位了。处理真实的线上用户反馈， 从反馈分类、日之分析、一个音定位到自动生成修复代码，全流程，不需要人执手，人只要在最后做出终审单条问题的根音分析，时间啊，从三十分钟降到了两分钟， 也就是十五倍的效率提升。这不是 demo 啊，这是已经在真实的生产环境里面跑出来的数据。那最后综合扣的这一次一口气做的两款产 品，一个是移动端，真正把 ai 能力从桌面延伸到了手机，解决了复杂信息留在移动端的交互问题。那一个是扣的位，把 ai 从工具进一步推向了数字员工。这背后啊，其实对应着 a 种行业正在经历的关键转折，要从技术展示到商业落地， ai 能不能干活是已经被验证的命题了。 市场现在真正关心的是 ai 能不能安全持续的干活，能上岗、能交接、能被管理的 a 诊，才可能真正改变组织的效率。这条路能不能跑通，还要看接下来市场的反馈，但至少目前看 pos 的 已经往前走了一步。点赞关注！

今天给大家分享一个超实用的小技巧，教大家零基础利用 ai 快 速编写一个简单的前端网页， 网页的专业提示词。拿到提示词之后，我们在电脑上新建一个专属的文件夹，再用反重力代码编辑器将它打开。如果还没有这款工具的家人们，也可以使用 chai 或者 code 来代替，效果都是一样的。接下来 只需要把刚刚准备好的提示词粘贴进去，剩下的开发工作就全部交给 ai 自动完成就可以了。我们只需要耐心等待代码生成完毕。等待 ai 编码完成之后，我们直接双击本地文件进行打开，一个美观又实用的学生课表网页就轻轻松松制作完成了， 新手也可以轻松上手。本期的干货分享就到这里了，如果大家想要学习更多更高级的 ai 编程技术，千万别忘了点点关注，后续带你解锁更多人工智能开发技巧，整个过程全程不用手写一行代码。

我们去申请新版机构蓝 v 的 时候，上面显示的名额已经超限了，那么遇见这样的情况，我们记忆里边也不清楚我们营业执照下面有没有申请过蓝 v 企业账号， 那么这种情况的话，我们无法继续去申请蓝 v， 除非把我们这个营业执照上名下的账号给注销掉，才可以继续去申请我们的新版机构蓝 v。 那 么到底应该怎么样去操作呢？首先可以进入我们企业号后台，看一下我们这个营业执照下面有没有新的企业机构蓝 v， 是 让别人占用了，还是说我们以前误点 申请出来一个企业号蓝 v 账号，我们把那个新的账号登录上去以后，注销掉我们的账号，再重新去申请企业机构蓝 v 就 可以了。那么如果你也遇到了类似的情况，可以在评论区打上六六六，我来帮您。

里新出的零代码开发工具使用体验到底怎么样？昨天呢，我刚用，然后觉得还不错，发了一个视频， 就有很多同学在评论区问说这个秒悟和 cursor 有 什么区别？和这个 codex， cloud code 比起来怎么样？还有同学问，阿里不是已经出了个 qld 吗？怎么又出了一个秒悟 不是重复造轮子吗？这里我说一下啊。首先秒悟他的目标用户是像我们这种零基础非技术的小白推出的开发工具，我们不需要懂任何的代码，就是用我们的大白话去写产品需求做产品。 而像这个 cursor， codex， cloud code， 它们更多的还是面向专业的开发者的工具，对于普通的人用户来说还是有比较高的使用门槛的。包括阿里之前出的这个林马，也是面向于专业的开发者的，不知道大家有没有清楚这个区别呢？

各位程序员小伙伴还在为重复敲代码感到枯燥吗？今天给大家安利一个能让编码效率翻倍的神器， qd 的 代码股权与辅 助编写功能。当你在编辑器里写代码时， coder 会像你的专属副驾一样，实时提供精准的代码建议。不管你是用 python 写算法、 java 开发后端还是 javascript 做前端，它都能完美适配， 就像一个精通多种编程语言的全能助手。想象一下，你刚输入半个函数名，它就自动帮你补全整个代码块，连参数都帮你填好了。是不是瞬间感觉敲代码就来敲答案？这种流畅感就像开车时打开了定速巡航，不用再频繁踩油门，专 注于路线规划就好。现在就打开编辑器试试吧，让 q 的 帮你减少重复劳动，把更多精力放到放。 你们平时写代码最常遇到的重复工作是什么？评论区聊聊，看看 qd 能不能帮你解决。记得带上 qd 教程、代码股权编程辅助开发工具话题哦！

第五名是翠自己的亲儿子，这含金量我不说懂的都懂，这玩意就专门设备给咱们中国宝宝体质做的 ai 编辑器，别的 ai 工具还得给他标英文，翠，你直接给他标中文，听得懂写得出，界面和抖音一样顺手。说白了，这就是新手村最强装备， 极大的降低了普通人第一次用 ai 门槛。嗯，就是更适合中国人体质的 ai 编程软件呗，本土化无敌。那第四名呢？抠点，这玩意是企业级的大杀器，企业级那不是只有大公司才用的着吗？这么说吧，普 同 ai 是 给你当秘书， holder 是 给你当项目经理，你扔给他一个超级复杂的任务，他都能自己拆成一百个小任务分配给不同的 ai 去干，最后拼成一个完整的项目返还给你。这么智能，那大项目不是省了老鼻子劲了？ 超大型项目的邪作帝国说的就是他。第三名是谁？ cloud code， 这是硬核程序员里的天花板，听着好高深啊，你就想象成一个顶级程序员站在你旁边，用你鼠标点来点去，全程靠它打字发命令，它自己就会帮你写代码，改 bug， 读文件快的飞起，不用鼠标，全靠打字，对命令行里的黑魔法，懂行的程序员都说香。第二名是谁？快说快说！科尔，这玩意是全球奇克星的网红爆款，那不会是那种中看不中用的吧？恰恰相反，它是正儿八经的 ai 原声 id， 全球增长最快的 ai 编程软件，它有 compos 模式， 你描述需求，直接给你生成一整个项目的代码，像搭积木一样，你就说我动动嘴，他就能帮我搭个网站，全球生学员人手一个效能的代名词你懂吗？第一名一定很屌吧？ github 可拍了，这玩意是行业老大做头把交椅的，他凭啥第一？ 背后可是 github， 全球最大的代码仓库，万亿行代码喂出来的 ai， 他 就像一个读了全世界所有代码的超级学霸，你写个开头他就知道你后面要干什么。这不就是开卷考试带了个学霸同学吗？微软的亲儿子，现代编程的工业标准，懂行的都在用。哦 哦，原来 ai 变成现在已经这么萌了。所以我现在问你，你现在是把 ai 当打字员用还是当老板在用？我还在百度搜爆作呢。

国产 ai 编程 id 三巨头 pk， 谁是你的真命天子？二零二六年国产 ai 编程 id 三巨头，阿里 q order 腾讯 code buddy 和字节 trade 各有所长，选择取决于你的需求。 q order 擅长处理复杂业务逻辑和庞大代码库， 是大型企业的首选。 codebody 注重代码安全和合规性，适合企业团队和预算有限的个人开发者。 tree 轻量化，响应快，是个人开发者和学生的理想起点。无论你是大工程总设计师安全堡垒守护者，还是闪电侠快速实践者，总有一款适合你。

好，刚才神秀老师重点给我们介绍了 coding 的 一个产品的亮点的功能，以及据技术上的优势。啊，那接下来我这个话题呢，是围绕企业， 企业要落地 ai coding 的 工具的时候，那他可能面临的哪些挑战呢？以及解决方案，以及我们有哪些标杆性的一些企业？他们的实践是什么？ 我今天分享的议题是这三个方面，一个是发展趋势与挑战，那第二呢，针对这一些挑战，我们的解决方案是什么？最后我们可以看两个客户的一些案例，以及未来研发范式的一个展望。 首先我们看一下挑战哈，嗯，这个数字大家可以看。呃，下面有一行哈，是呃 i d c 二零二五年五月份的数据，那今天我们已经是二零二六年三月份，为什么还要把过去小一年的数据还要拿出来？ 只是我们想看，站在今天这个时间点，我们来看过去的这个数据哈，中国的开发者的覆盖率是百分之三十，那到了今天，大家觉得你身边十个开发同学，大概有多少人会在用 ai coding 的 工具？ 百分之一百到了吗？就是我这边，就是我身边的同事抠得的团队，或者云霄的团队，或者云元生的开发，我随便问。呃，问一个身边的同事啊，基本上他们都在用 ai coding， 而且是不仅仅是一个工具，关键是他们的代码， 大家猜想一下，他们的代码可能百分之多少是由这种工具去生成的。 抽样调查啊，就是我身边的有，有同学告诉我，他是百分之九十，他是后端的同学，用的是我们 j b 的 一个插件，那还有一个也是后端的同学，他基本上前端后端都写了，他说了一个数字，他说百分之一百，你们相信吗？ 啊？相信，其实我们今天还有，呃，我们这两天哈，因为我们这个产品是很多直播的课哈，经常呃。最近有一个有个分享话题叫无人编码，其实在我们身边已经发生了。 好，所以咱们可以看一下，再回顾过去的小一年，是百分之三十，这个变化有多快，我们也可以设想一下，未来的一年又会发生什么样的一个变化好，忽略一下。 这张图大家都见的比较多了，刚才沈秀老师也介绍了，那我们作为一个企业级落地，我们可以看一下，二零二三年在辅助编程的时候，其实那个时候我们还在做 devops， 做云效，做敏捷咨询哈，但是在二三年九月份，我们推出了林马以后呢， 我们的不少企业，有些新型的一些管理者，他们想尝试着用林马去进行当时比较 简单的能力，一个是可能是行级的或者函数级的，或者做代码注视，银行会做一些单元测试，那个应用的场景比较多，但是管理者会质疑一个半信半疑， 对，半信半疑的往前走哈，他们说生成的这一些单元测试也好，或者行级的这种代码，我们人类要花很多的时间去验证，去接收，那这个的工作量 比上它生成的这个代码，最终到底给我们的提效到底是多少？其实半信半隐往前再推进的，那到了二五年， 呃，随着科四 ide 这个现象级的这个产生以后，其实我们在二五年的四五月份，我们也推出了林马的 ide， 那 个时候那它能做的事情就更多了，你可以给他一个技术任务，只要题诗词描述的准确，它能够改动你整个工程级的 n 个文件的 很多行的一个代码生成，那时间又往前走了一步，到二零二五年到现在，其实刚才沈秀老师已经讲了专家团，那在专家团之前呢？我们有 quest mod 的 这样的一个能力，那这些能力我们想提倡的一点就是自主编程， 那什么叫自主编程？我们希望 ai 能够自己去编程，那要做到自主编程的前置依赖非常重要的一点是什么？ 我们把自主编程在之前的时候，我们叫 spike 驱动，就是说你要让 ai 不 走偏，那我的 spike 文档可能是需求的定义或者设计文档的这个规范一定要去人和 ai 去把控住。 这个其实我就想起我之前哈去接触的是，呃，非洲，那个时候叫淘宝机票，那个时候我们做敏捷转型，当时我们的一个团队的阵型，由于特殊性哈是一个产品经理对接十个开发， 大家可以想想这样的一个组织阵型下，他要让他运作起来，而且快速的敏捷交付，最好的解决办法是什么？ 当时很很有幸的是唯一的一个产品经理，他却是一个行业的专家，他写的 prd 质量非常高，所以他大部分时间可能是在飞往杭州的一个飞机上去写那个 prd， 他 把 prd 的 边界、验收条件等等写的非常的详细，做一个标杆哈，然后把这个 prd 扔给研发团队，研发团队就能够脱离它，自主的把它编程起来。其实 现在虽然到了 ai 时代，但是你要的什么，这个需求的这个 spec 还是要靠人类去定义好， 这样你才能让 ai 全部都自主去实现。那在这样的一个大的环境趋势下哈， ai coding 给我们带来的一个角色的变化，今天我相信大部分可能都是开发同学或者技术同学，那开发同学我们以前都是完美主义，我们对于我们写的每一行代码都会去深究，我们希望我们写的代码能够快速的翻译通过，可运行 啊，那以前我们更专注在什么 code 上面，对吧？但是实际上我们的开发同学白天跟我们的上下游产品或者测试，以及我们的前后端同学不断的在交流、澄清或者扯皮，对吧？大家很常见的现象，但是我们更快的是 code， 那 么到了今天反过来了，什么是最重要的？就是 code 生成很容易， ai 能够自主给我们生成出来。 但是大家有没有发现，当你身边的一个同事很高效的去产出一个特性，或者一个零到幺的系统的时候，你最可爱的是什么？你想问他，哎，你这个 需求，或者你这张图片，你这个能力，你到底背后的提示词是什么？因为我们接触很多的企业，我们去交流的时候，我们会做很多的演示，大家会问你这一套背后的提示词能不能发给我们去共享一下？所以现在确实倒过来了， 你的题诗词来的很重要，那在这个时候我们作为传统的开发者，我们要把自己定义成什么？ 刚才都说了专家团，呃，专家团来了，后端工程师有专有 ai 的 专家，还有前端有 ai 的 专家，那我们可以把自己定义成什么？作为传统的开发工作者， 你可以把自己定义成为往上走一步，可以定义成架构师，你可以去做更好的一个架构的拆解，你也可以再往前走一步，你可以去定一个 呃，用户故事级的一个产品经理，这些你都是可以去定义的。你可以把解决问题的这个能呃，就说怎么做的这个能力转向问题定义的这样的一个能力去做一个转变。 当然这个转变肯定要跟我们整个公司的一个文化氛围等等相关去配套。因为今天呀扣你这件事情不是一个工具级本身的问题，而是一个改革，那改革自然会涉及到方方面面，后面我再讲 企业实践的时候，我也会讲到一个企业的一个案例。哈，好，那我们总结一下 企业级在落地 ai 抠钉的时候，他面临的核心的挑战有哪几点？我们只是列出了其中几个点。 首先我们接触不少的企业，他们首先关心的，因为企业嘛，他要官方级统一来使用一个产品的时候，他第一要关心的是 安全的问题。刚才也问到本地化部署呀，或者呃，合规的问题。那我们的企业有行行，有各种各行业哈，互联网的，传统的金融啊、国企啊、央企啊等等行业，那他们 的对安全的要求是完全不一样的。呃，这是他们考虑的，那当然我们的产品形态也要去很好的应对这种安全与合规。哎呦， 作为开发为主体的这样的一个团队，那团队对 ai coding 这件事情的接受度是怎么样的？因为我们是从二三年做企业版本一直走下来，遇到很多这样的一个现状哈，嗯，首先就是 他们有很多的一些顾虑，尤其是二三年的时候，我还用 ai coding 对 我意味着什么？对我未来的生存会变化什么？对我的效能提升多少等等，我要去接接手一个新的东西，我的学习成本是怎么样的？那这个成本与 ioi 投入产出比，那这件事情就是管理者他要考虑的一个视角，我今天投入多少，最终 e i、 c、 d 给我带来的收益是多少啊？还有数据看板，能不能实时的监测我的一个价值， 那我们再看一个挑战效果怎么样？刚才沈秀老师讲了很多产品的亮点以及技术的先进性，核心就是在我们做通用的这个产品工具的一个效果，希望我们生成的代码能够一次通过啊。 再往下看，企业级要是有 ai 控定工具，那企业有自己私域的这种数据，肯定模型里没有训进训练进去，那我私域的这些数据，这些知识，我如何用？通用的这种产品的功能，无论是 rise， skill 这些来体现出来，来注入结合，能够深层，能够懂我企业的这样的一个 ai 抠定的工具。那最后就是落地推广的一个策略了。 那第二大部分的解决方案，我们就围绕着刚才那几点的挑战，我们来一一看一下。 首先就是要看安全与合规，因为我们所在的这个团队不仅是做抠的，也是领马的一个团队 啊。我们可以看一下，如果有一些企业确实是，比如说像一些银行，或者像一些政企，那他们可能一些监管等等的要求必须做私有化的部署。 所谓私有化的部署就是他的所有的模型，他工程的服务端的能力，插件的能力，所有的一整套全部都在他自己的 idc 家里面去做部署 啊，而且数据也不出镜，同时他可以选择他自己家里部署的各种各样的模型去做一个对接。那林马的稀有化在二四年是 做的非常流行的，因为二四年很多银行、工行、建行还有各大成商行基本上铺开了做例向做这种稀有化的部署哈， 那在往安全上面，呃，还我们有些客户呢，就是觉得用全部私有化部署的话，毕竟要部署模型，他有很多的显卡算力啊，以及成本是非常高的。但是呢 一个是成本问题，同时呢他还要考虑效果的问题，他希望能够享受到公共云上实时发布最高配置的这种模型的能力 啊，而且安全上面又能够做到最大化的云上使用的一个保障。那我们在云上做一个专属的 vpc， 那 这个能力是很多企业能够接受的一个方案，待会我们会在讲案例的时候也会说到这个版本的一些客户案例。 那萨斯服务，我们今天抠的的这个产品能力更多是在主打呃，萨斯这样的一个能力，它能够最快的一个产品的发布，有些灰度的能力我们很快就发了，大家可以加白一下就可以使用了， 而且它的成本相对来说是可控的，因为它不涉及到各种算力的成本，那安全合规。其实我们从产品，产品有很多，那大家如何选择呢？其实我们也给大家一些选择的策略，首先就是接受我们的代码数据是不是 可以接受出镜的，如果能接受出镜的话，那我们今天 code 的 产品系列是非常丰富的，基本上是全形态的，有后端，同学写 java， 那 就是 j b 的 插件，它的兼容性更好，还有前端，呃，当然还有别的语言可以用 id， id 的 能力扩展更丰富。还有被集成的话，我们可以用 c r 这些形态以及桌面的智能体，它不仅是研发受用了。呃，因为我们的像我们自己抠的团队，我们也有很多的非研发的角色，他们也想用 ai 的 这种能力，那我们就 诞生这种抠的 work 啊。那当然对于安全非常在意的话，我们也可以选择凌马的不同形态的版本， 我们说了安全，虽然我们有各种形态的产品的一个方案，但是我们在这里面可以思考一个问题，当有一天所有的系统的代码都是让 ai 生成的时候，百分之百让 ai 生成的时候，这个时候大家觉得核心的资产是什么？ 可能还是代码对吗？有没有比代码更重要的核心资产？有可能是它背后的设计，背后的 提示词，有可能是来得更重要。所以随着这种 ai 的 演进，未来我们可以思考就是企业的核心资产到底是什么。好， 其实这张图放出来，呃，大家在思考一个问题啊，因为二三年走过来的时候，大家对于安全这一个的敏感度，我个人感受下来是慢慢地，慢慢地在开放。 为什么？因为 ai 的 效果越来越好的时候，其实大家比安全来的更重要的时候，他们在追求效果，就是那个秤已经往效果方在倾斜。 而且我之前跟一个企业在沟通的时候，那个企业的管理者在沟通之前，他一上来说，我们想要我们的代码非常重要，我们想要做私有化的部署，因为我们是做产品的。后来聊着聊着，那个管理者突然冒出一句话， 他说没关系，我们就用云上的这个版本，云上的效果好，速度快，别人要超我的超代码拿走了也超不过我，因为我动作快，我马上有新的代码就出来了。 好，所以效果可能来得更重要一些了。对，有些企业，哈， 我们的 q 的 这个产品，其实 team 啊 teams 这个版本，我们是在一两个月前，对，两个月前刚发布的，其实已经有不少的企业在使用，而且给我们 logo， 大家可以看一下，有金融的这个富有支付， 还有海信是我们这个大区的一个客户，这个客户我可以拎，呃，拿出来看一下，其实在二四年一开始海信的方案是想走林马的私有化部署， 因为他们的一个网络的限制啊等等的原因，但是最终他们真正落地的方案是 云，呃，林马的这个云上的专属 vpc 版本啊，现在也有上千的研发都在这个版本上跑， 那在时间在推进的时候，其实他们对于复杂任务的代码的这个实现其实越来越高的要求，那二六年其实他们也选择了扣的这样的一个产品，这个是他们从一步步在安全方面下面一步步在引进哈。 那还有我们阿里巴巴集团和蚂蚁集团也都在整个集团性质的在使用，那阿里巴巴集团怎么去使用的呢？我们可以看一下这张图，在安全上面我们还是为了安全哈， 因为在我们集团呢也有一些非常核心的代码，因为每个企业都会有，比如像一些核心系统的代码，那它的安全等级非常高，我们把它定义成 c 三。 好，那所以我们在集团内的一个方案，就是说，呃，在后台我们会去对于代码库去打标，如果是命中了 c 三这种安全等级最高的这种代码呢？如果你不打，我们是从演的方式，那这种 代码我们是通过从演的这个路由判断他们路由到哪的模型呢？是路由路由到了千问自演的国内的这种模型 啊。然后我们也在个人的终端里面去控制他的，我们可以看一下我，我自己的 demo 系统，我可能没有达标， 他，然后我用个人的账号想操作一下这个代码库的时候，他一下给我红色的醒呃，提醒，呃，就是不让我随便用，那要用的话只能用 千万系列的，咱们其他的模型，包括极致的模型全部都给我灰掉，不让我使用。这个方案呢？是我们集团的方案，我们也会把这个方案抽象成通用的方案去对外发布，四月份也会去发布。就说企业， 企业其实有很多的业务形态，有些是创新型的，或者做开源的，或者是交付型的，那有些是企业的核心的产品能力，他也可以去分层，就是一些高密的， 就是高密的那种代码库，我们，呃在后端设计好以后，那这一类代码库我们就直接路由到国内的这种模型。好，那其他的我们就可以走一些极致的呀，国外的这种模型上哈追求效果。 我们再来看第二个挑战，就是团队的接受度。二三年的时候确实我们在 在跟企业交流零码，那管理层可能比较先行，但是我们实际在落地做验证的时候，我们的一线的技术同学都会有各种担忧。 我记得，我记得那个时候是应该是二四年底还是二三年底的时候，有一个企业说要去测试这个零码的产品，然后正好因为是在年底嘛，大家比较，嗯 嗯，比较敏感的一个时间周期里面，然后一个月以后再去问你们测试有什么问题，然后运维的，一般运维去导进来的，运维的，运维的老师告诉我们团队的成员在这个敏感的时候，其实他们是比较抵触用这样的工具的， 其实当时这样的一个心态我们都是非常理解的。但是现在哈，嗯，其实这个事，这个事我觉得是就是压抑这个势头，其实不是我们个人能够去改变它或者阻止它。那我们当前要做的一件事情，就是 咱们想我们百分之一百的所有的任务里面有多少的场景，你完全可以交给 ai 去做。就是你每做一件事情的时候，你想我当前这件事能不能让 ai 去做？我当前这个代码能不能让 ai 去做？我当前要写个 ppt， 能不能让 ai 去做？这就这种思维，我们要时刻去养成它 就是百分之九十以上的工作，其实今天 ai 都可以来帮你做的， 我们可以看一下这个数据的调研，这个是上汽啊，也是在上一次分享的时候的一个一页内容哈，这里面得出一个关键的结论是什么？ 就只要高活跃用户，就是他对他有了个定义，越采纳大于一千行叫高活跃用户，就是只要你用的越多越频繁，他对你的效率的产生就会作用力就会越大。比如说高活 越用户，他的出码率可以达到百分之五十八，那低火的话他可能就非常低。这个结论其实就是一句话哈，今天咱们只要 ai 扣顶你百分之九十以上的场景，频繁的去用它，那它对你的效率产生就会很大。哈， 那这个是从管理的视角来看投入产出比这个问题，因为我们也接触不少的一些企业哈，他们在论正，一般我们做一做一个决策，做一个选择，都要去论正，论正，他的投入产出比就投入了多少，他给我收益了多少 啊。那在这做这个认证的过程当中，他们花的周期很长，可能是半年，其实他在这个半年的周期里面确实错过了很多的一些时机哈，时不等人哈，那其实现在的问题 其实很多，尤其是最近的这两个月或者一个月，很多管理者他关心的是我如何快速的去用好 ai 控定这个工具，快速啊，其实我们可以看一下 着，就是管理者呃，完全认可 eicodding， 但是我们用什么样的办法能够以最快的速度去搏这个时间差哈？ 说到那个 r y， 大家都会关心，我今天用了 eicodding 给我带来的一个数据看板，就是那个数据的收益是什么？ 这个是在我们的企业 tims 后台可以看得到，度量的看版，看版哈，大家大概看一下会有这些指标，这个数据是在灰度，很快就会正式发布。呃。提交代码 ai 占比，之前用过我们林马的企业后台，大家看到的那个数字可能会虚高 百分之九十或者八十或者七十，其实它采纳的是 ide 工具里面的这个 ai 代码的生成，待会我下一张图会有个漏斗， 那这个数据它是看提交代码库，提最终 ai 给我生成的代码里面提交到代码库里面的这个 ai 生成的一个占比哈，也可以看到哪具体哪个代码库哈。好，这张漏斗我们可以看一下。 呃，其实一直 ai 我 们可以看啊，刚才那个数据就是提交入库的 ai 的 代码行数，就是下面这个作为一个分词，那怎么一层层往下转换的漏斗的哈？ 嗯，首先就是 id 端里面 ai 给我们生成的代码行数可能是一千行，但是我人类可能会做一个判断，可能其中选择了，呃，七百行，那选择完以后，然后提交的 就是提交的时候我 ai 生成的代码行数也会有一些呃，漏斗过滤掉哈，因为我会在本地接受完以后会做一些测试，我可能会放弃部分的代码，呃，包括我要提交 pr 的 话，会有一些，呃，会有一些 损失，然后最终真正提交到我的那个库里面的时候的代码可能就四百行，然后除一个分子，就是所有就是我人类生成的呀，然后加上 ai 生成的一个总的作为一个分母，然后一除的话就是一个指标。 好，那其实说到这里面啊，这些度量数据呢？其实都是过程指标。好，那最终什么样子的度量才是真正给我们企业带来收益的一个数据呢？其实我们的观点认为，从代码的生成 的代码行数生成，可以转变成为业务需求独立实现的一个度量， 因为现在我们更多在度量行数哈，那实际上接下来的能力越来越强以后，背后一个专家团就可以把你一个用户故事或者一个拆解的需求能够端到端独立生成出来以后，那我们就可以来看一下人均完成的需求数量 比之前的这个人均完成数量，就可以做一个很明显的一个对比哈， 就直接可以看到最终的需求交付量的一个对比。嗯，好， 我们再看下一个挑战。第四个挑战就是效果不达预期。刚才 上一个话题讲了很多产品的能力啊，还有技术的优势，更多都在讲产品的通用能力，包括仓库、 wiki 啊， quest， 还有专家团，这些都是产品通用的能力哈。然后我们扣的产品的定位呢？其实 对于我们企业真正在落地的时候，对于你当前的或者存量的这个工程更好的去做感知，那我们背后的上下文引擎的这个工具会一直在去调优。嗯，这一块的内容其实上一个话题已经介绍到，那我们 要看的是下一个挑战就是结合产品通用的能力，那我们企业私有的这些知识如何去注入进来？ 嗯，那思域的知识包括很多哈，包括规范类的呀，你不管不同，不管任何技术，在 java 类的，或者，呃，或者前端的呀，各种各样的技术在背后，它都有自己的一个研发的一些规范，以及一些最佳的实践。那这些内容我怎么 跟通用的产品能力去做结合？那对标我们产品上的一些方案，比如说 通过我们的仓库 wiki， 它能够把业务流程啊，这种高 level 的 这种流程，它能够自动生成出来，包括架构的架构，整个工程的架构图，这种也可以快速给你生成出来，这样不用每次代码生成的时候再去解锁你的代码库，还有上下文 工程的感知，这个上一他也讲介绍到哈，那下面我们可以看一下企业有自己私有的这种 rise， 私有的这种 skill 啊，私有的这种企业级的记忆，我们怎么去管理起来？可以看一下 企业的 rise， 刚才讲到就是有一些工程里面或者项目里面通用的这一些规范 啊，那我们就直接可以通过 rules 它来生成，比如说一些研发的一些规范。嗯，还有一些 比如说业务需求，之前大家都会说 ai coding 很 容易，那我需求产品需求、业务需求，现在模型能力强了以后，它也能够按照你的需求模板快速的生成出来。我下面有一个实践，我们可以看一下哈，包括有一些 约束啊，还有些实际啊，都是可以通过 rise 去作为一个项目级或者团队级通用的一个规范，把它约定下来。而且这些 rise 可以 按需去加载的啊，它 你通用的可以作为始终生效，但是你觉得你想要用的时候可以手动加载。我看一下这个案例哈， 这个是跟需求有关的一个 rap， 因为现在模型里面训练的需求方法可能是很多用户故事或者世界驱动的需求分析方法等等。实力化需求可能很多种，但是你企业肯定有自己的一个需求模板， 那这个需求模板是我自己之前我们在做 dels 或者做敏捷咨询的时候沉淀的一个一个企业 自己定义的一个模板，这个模板就是怎么如何定义好一个业务需求。他首先介绍业务需求的一个一个背景啊，一些，呃，一些背景， 还有要定义业务需求的。 mvp 去， mvp 怎么去拆解每个 mvp？ 呃， mvp 用世界分析的方法就是什么角色，做了什么操作，然后背后的业务规则是什么？这种都是一个模板级的，下面没展示啊，甚至还有一些，嗯， 一些交互图，一些线框图一样的交互图，还有业务规则、验收标准等等这样的一个模板。定义好以后， 那我可以按需加载，就是我需要他的时候，我来生成一些业务需求，我就可以把这个作为一个模板，作为一个上下文，然后我告诉他，我要让他生成一个积分消耗，积分商城消耗的这样的一个业务需求，他参考这个模板，其实， 呃，他非常结构化的给我生成一个积分商城消耗的一个需求。其实我这里的需求的提示词非常简单， 但是它生成的并不简单。为什么？首先它有这个模板的参考，其次因为我是在这个工程里面去生成的，那在这个工程里面它也会去解读我之前的，比如说积分录入啊等等的这些现有的这些需求能力上去做的一个扩展。 那这个就是结合 rise 的 一个事件，当然其他的研发规范的 api 怎么定义啊？还有一些呃，一些事件都是可以通过这个 rise 去加载，嗯，那 rise 之后就是 呃 skill 下一趴讲哈，然后我们再来看个记忆，刚才我们讲到我们在智能体个人哈，在智能体模式下执行的时候，我们的产品会自动给你记录跟你本人相关的一些踩过的坑啊，一些最佳实践会记录下来。 但是我们有一个需求来了，这个是非常真实的一个架构师，他说我生成的这一些记忆我可能都已经调优过了，而且这些记忆是可以变成企业级 通用的这些记忆。那这个需求能否实现那很快。其实我们现在后面的产品迭代研发也是用 mvp 的 这种方式啊，快速去做交付，快速去做灰度，那这个需求我们已经也在灰度了，在我们的集团内部和个别的客户现场也做了一个 灰度。那这个企业级的记忆需要解决什么问题呢？就是把一些比如说架构师啊，这些比较有经验的这些个人的记忆，把它总结成为企业级通用的这些 知识，这样的话可以供给企业很多新人或者所有研发去去消费他啊， 所以那这个记忆肯定不是我们人去上传的，是我们的产品自动的去提炼出来的，所以不需要人工去介入哈，而且是整个团队都是可以去共享的，大家可以共用，因为是企业级的嘛，然后他也可以不断的去叠戴和眼镜， 可以看一下视力图，因为灰度了，所以我们这些产品的页面哈，是可以拿出来分享的。 好，这个就是都是在企业后台的一些能力。那我打开了这个 这个企业级的知识库的这个配置以后，它就自动的可以把优秀的这一些记忆记忆本身也自动生成的哈，它会提炼起来，提炼出来变成企业级的这些记忆我们可以看个几个哈。 呃，比如说使用 configservice 统一管理，可配置超时参数，这个我们做了一个记忆质量的一个评分，四点八分这种，还有我怎么样用 web 自动化测试，然后遇到的一些常见的一些呃，陷阱清单，这些都是可以沉淀为企业级的记忆 的，这个是一个自动的能力，所以我们产品上也不断地会去迭代它的一个效果哈，好， 刚才介绍 rules 规范，我可以企业自己定义它，然后记忆我们产品自动生成它。那还有一些场景就是呃， skills， skills 我 个人理解哈，其实它就是一个单一场景的能力， 就是把它切到单一场景好了，让它去做一个 bug fix， 你 可以搞一个 skill， 把它的整个 bug fix 的 流程给它固化，这是一个单一的场景， 然后让它对接 c i c d 的 这个流程怎么去构建，怎么去部署啊，这样的一个环境让它搭起来，哎，这是又是一个单一场景的一个解决方案，把它生产成一个 skills， 那这些 skills 企业只要用我们的功能，你们结合你们的场景去把它一个一个场景的去定义出来就好了。而且也可以借用我们产品能力 create skill， 把你的提示词告诉他，然后让他生成出来。而且还有些小技巧，就是你个人在在知 一个场景下，你在执行单智能体下，你在一步步的让他执行的时候，你觉得效果拿到了，然后你再 create 那个 skills， 让它把上面的整个流程的执行过程，让它沉淀一个 skills， 变成一个技能沉淀下来。好，那如果觉得这些还是呃冷启动的那个成本有点高的话，那我们不妨就拿那个社区的这一些 skills， 比如说这个 superpose， 我 们自己在多做 demo 的 时候觉得也非常好用，它也是一个非常体系化的一个一套那个 skills 的 组合， 嗯，他把很多的一些规范呀， t d d 呀，以及不认识脑包啊，包括需求怎么定义啊等等哈，任务怎么裁剪这些全部都生成 skills， 我 们可以拿这套 skills 去改写我们企业自定义的这样的一个流程也是可以的。哈。 那后面的一个实践呢？呃，一个挑战，就是说落地策略，因为企业级跟个人使用还是不一样，那企业要规模化的。呃，统一的来使用 ai coding 它我们看到的一些核心的一些因素哈， 一个呢就是 e i c 顶，这件事情一定不是自下而上的，为什么？ e i c 顶？就像之前我们做数字化转型一样，它是一次变更，它不是一个工具产品的一个引路， 它一定是涉及到整个整个组织文化呀，整个组织政型啊，整个研发范式呀，整个配套的一个搭建，所以一定是一个一把手的一个工程，因为任何变更都是要一把手去支持的。 我们也看下来哈，只要一把手支持的这种企业去落地 ai 扣顶这件事情，它的速度都会非常的快哈。 还有就是第二点也是围绕我们挑战，一就是安全这个来讲，就现在哈，我们也遇到一些管理者，他们的态度会比以往更激进， 哪个效果好可能就先上哪个哪个模型好，虽然 top 贵一点，但是它可以够得到天花板的一个效果啊，就会比较激进，激进完以后，大家 看到它的好以后，我们再来做进一步的管控哈。第三个就是切入重点，最能拿到效果的那些场景先做 那 coding 肯定是最容易做到的一个场景，那现在现在的话，像呃 spec 这种设计文档呀，需求文档这些生成，其实效果也是非常不错的哈，所以从包括做原型也是非常好的，所以先从容易拿到效果的点，大家看到信心去切入 啊，然后再去做端到端的整个研发范式的一个改变啊，才有像运营啊这种都是一些文化的渲染和激励，大家可以更好的去落地。另外就是效率这件事情， 比效率更重要的，其实我们更关心的是活跃度和大家使用的时长，只要大家用起来了，一定能看到好处哈，因为度量统计这件事情，就是只要管理者那个指标打向哪，这个指标必然会好， 所以我们不用着急的看这个数据指标，先让大家的满意度好起来哈， 好，讲了这些挑战以及解决方案，我们下面可以看几个例子啊，比较形象的一个是集团性质的， 那这个海信的案例也是我们身边的一个案例，那它首先是二四年的时候，他们引入了林马， 那当时引入了林马主要是解决一些技术规范难落地，以及技术在很多，因为他们有很多的业务形态，很多的研发单位，技术在是非常割裂的。还有呃信用要接手那个 老项目要快速上手的这些问题哈，以及一些重复性的工作。那在二四年的时候，他们是 引入了领马，那怎么引入领马的？他们肯定也会做全方位的一个评估，比如说效果、成本、安全，各个维度的一些产品的一个效果都会去做一个评估，十个维度。好，那最终啊会综合安全和成本来做一个产品能的选择。 然后因为专属版嘛，其实我们是开箱即用的，基本上三十分钟配置，马上就可以使用这个领马的专属版本了 啊，然后从团队的试点到上千人的这样的一个使用，然后企业有自己的私有的数据，当时在领马是用 i g 的 方式， 就是在企业后台可以去上传他们自己私有的这些规范呀，或者设计文档，以及一些优秀的一些样例库，通过 i g 传到后台，然后 在插件端做一个增强的能力，当时是能解决部分问题，当然今天的技术引进到 rise 或者呃 skills， 可能呃方案会包括 mcp 方案可能会更优一些哈。 嗯，然后他们也不仅是 ai coding 了，那他们也用切问 code 的 模型，自己有个强大的 ai 的 团队，可以做各个场景的一些智能题，那这是在当时啊做的一个情况，然后一些落地的一个效果。其实最重要的是这个 通过林马的二四年还比较早哈，比较先行的一个团队，通过二四年的一个规模化的使用，至少让整个组织的大部分上千人的同学能够习惯，把这个习惯养成还是非常重要的，这个活跃度基本 百分之八十左右的这样的一个日活哈，这个频率就把这个习惯养成以后，那随着模型能力成呃那个更好，然后产品能力的迭代，那他们这个收益也会越来越高的。那我们可以再看一下下一个阶段的一个眼镜，就是抠的。 嗯， code 的 话核心就是从辅助编程或者协同编程到自主编程的这样的一个跃迁哈。嗯，出现的一个挑战就是赢马把大家的一个编码的一个跟 ai coding 编码的这个习惯养成以后，那肯定会遇到各种新的一些问题了，比如说 复杂的任务，尤其是跨模块的一个逻辑设计啊，还有业务怎么样去更好的，更好的去拆解，那这些能力啊，复杂任务的一个处理啊等等哈这一系列的 这些问题，然后去选择的就是 call 的 这个产品，那 call 的 产品我们可以看一下他们的使用场景，就是用了 quest 的 这个模式， spec 驱动的这种开发方式，那举了个例子，就是有一个团队，他要构建一个零到幺的这样的一个， 呃，一个能力，如果用以前的工作方式的话，这个效果我们直接可以看这儿，哈。以前的工作方式，那他可能，嗯， 呃，那它生成的这个 demo 本身就很快，用快速的啪啪啪生成出来，呃，两小时就可以了，然后把它真正的交付出来，大概一周，那以前同样的一个任务单位的话，可能需要几周的一个交付时间，嗯， 然后也可以看一下海信也有自己的一些知识管理的一些特有知识的一个问题，像隐性知识难沉淀呀，还有老项目理解成本高，然后研发规范如何让跟 ai 去结合，去注入 ai 当中 啊等等。哈，那解决方案也可以通过我们的仓库微刚才也介绍了 rose 的 一些私有的知识的一些定义，通用的啊，主要偏向于还有一些技能，比如说， 嗯，成熟的一些开发方式，它就沉淀一个企业级的一个技能，然后落地的效果。那，那你给他明确的这种 rise 和 skill 的 话，那自然对于成本的消耗也会啊，减减小哈。 好，刚才是一个集团性质的，主要是怎么样去规模化任何事情哈，只要规模化以后就能提高效率。 那我们这里面呢，又切入到另外一个小团队，就是我们自己的产品 coldwork 团队，大家也看到很多 p r 的 文稿，就是五个人七天能上线，大家觉得这个可能吗？ 如果换做以前肯定不行。为什么？今天可以？今天就是，虽然是七天，但是我晚上也让 ai 干活了 啊，所以这个可能性就有了，而且是也上线了，那我们可以看一下他的工。其实这个案例我想来总结的一个关键的点就是今天通过 ai coding 来实现整个研发范式的一个改变， 包括人的一个传统的角色的一个改变，大家可以看一下，嗯， 像，像以前的话哈，都是靠人为主，人想一个 idea， 然后人把它代码或者文档写出来，然后再去测试，去修改，都是以人为主的。那现在这种方式我们叫魔胡太马， 胡太马就说人把 idea 还是要想出来的，人去定义问题啊，然后人把 spec 要写清楚了，这样你可以交给 ai 去自主的去完成出来哈。好， 那它整个就是利用了 quest mod 里面 spec 驱动自主编程的这样的一个呃能力实现了。这个 codework 的 产品基本上就是五天，但是它做 demo 成型只花了一两天，两两呃，两三天， 两天左右，他第三天就可以给我们的大老板去做这个圆形的这个产品的一个汇报，因为涉及到生产级上限，那汇报通过以后，他们再去把呃代码层面去糊一糊呀，然后再做到质量上面，可以生产级的一个发布哈。 那像这样的一个 codework 的 话，用传统的方式可能就是二十人左右数桌的好几周的这样的一个时间， 那除了 ai coding 的 一个加持以外，其实跟我们的基础设施有关。刚才上一趴我们介绍了上面这一层是应用这一层，但是下面多智能体架构以及模型啊，这些能力都是用我们建设好的一个基础设施， 那这个 spec 驱动开发，我们也在尝试用我们自己做 coding 的 这种工具，我们在研发范式上也会往前多走一步哈，我们也会遇到各种各样的坑，比如说 还还记得我开篇的时候我讲到，呃，淘宝机票就是一个产品经理应对十个研发，那它核心的依靠就是 spec 的 一个质量，所以在 id 编码的质量影响了，后面是不是要返工， 包括我跟 ai coding 工具，我的任务拆解颗粒度到底是多大？是一个大的需求还是一个小需求？还是拆解到用户故事，还是拆解到技术任务？这个颗粒度必须要去拿捏好的，也是要去磨合的。这个我们大家即使只要踩过坑了，自己就慢慢总结经验了，这些坑我们都踩过。 还有就是今天我们把时间花在了定义需求以及验收需求这个事情上，那验收不仅要看它的功能的完整度，同时也要看它的代码质量，那代码质量就是可以通过 ai 去做 code review， 可以 交叉 review， 多人 review， 把质量去，呃，把关注，这些都是我们踩过的坑哈 啊。当然我们踩完坑以后，我们也会总结一些实践，比如说如何把大问题拆成小问题啊，然后 整个 speck 的 质量呀，可以在内部去做一个把关，对吧？然后 speck 里面一定要定义好你本轮的这个实现的功能，它的功能边界在哪里？它的验收标准是什么？其实有过去啊，我们以前在讲敏捷咨询的时候叫以中为实，不知道有没有人 听过？以终为始就是你，今天你让 ai 去交互你的终点想要拿到的那个结果，那个验收标准是什么？提前把它定义好， ai 去执行啊。 嗯，包括 review， review 的 话，我们也可以让他生成报告，对吧？就是晚上让他去 review 回来，晚上我们给他提，呃，让他去 review， 呃，提交一个 pr， 然后早上回来的时候，我们看这个 pr 里面的整个 review 的 一个报告，然后确定我本轮是否去提交我的入库啊？这个写作 好。所以在这个五人的这个项目，项目项目里面整研发范式就基本上就颠覆了，就是不叫前端后端了，而是叫 spac 工程师、 bug 工程师，然后设计同学、产品经理都可以快速地用这种 quest， 用 quest mod 的 这种能力，直接出一个原型里面的代码，成型里面代码框架基本上有了，那我们的技术同学就是把它去糊一下代码，变成生产即可落地的。 好，其实讲刚才那个小团队的那个实践，他们比较走的比较前，我们沉淀了这个展望啊，也不是说现在我们就已经落地了，毕竟我们只是一个小团队在验证啊。展望一下 cold 的 新一代的研发流程，基于 cold 的 新一代研发流程，我可以看一下 最上面就是我们之前过往是怎么样的一个研发流程，我可以看一下最上面就是我们之前过往是怎么样的一个 p r d， 可能有些是几十页甚至上百页的一个 p r d。 哈。 每次需求澄清，大家可能不怎么发言，但是在研发或者交付的时候，各种问题就出来啊，通过 prd， 然后确定整个产品的路线，大家今天也都会来问我们，你们后的下一步规划是什么？其实我们这个规划都是 响应变化来做的，变化太快了，基本每天一个点哈，在变化好，然后再开发，这是我们过往的一个研发范式，其实背后有很多的假设， 就是假设整一个你，你这个规划的周期内哈，整个技术是不变的，整个整个市场环境是不变的，所以你才可以按照规划去走。那今天整个模型的能力，模型的能力在十六个月他就增长了 四十一倍，以前做不到的事情，今天用新的模型，一下子端到端，全部都把你实现了。所以在这种变化之下哈，我们要有些关键的转变，就是 就是我们尽量用最快的时间，比如说刚才海信的一个例子也好，我们 call 的 work 的 这个例子也好，你在写文档 prd 长篇大论之前，先做一个小实验，把他的那个 demo 的 原型快做出来，先言行去做验证 啊。我们的那个快速 work 是 要跟大老板去汇报的，他基本上做的可可运行的这样的一个产品，花两三天的时间哈啊， 先做实验，另外呢就是 demo， 呃，就是原型优于文档哈，原型，因为现在呀，直接给你做一个原型出来多快呀？因为只有原型才可以快速得到一些反馈啊。然后第三个就是 因为我们以前在做敏捷，敏捷或者 devops 的 时候，我们核心解决的一个问题是什么？就是协调效率、协助效率。今天 今天这个点哈，其实 ai 未来有可能很好的一个解法是什么？就是去协通，去协助， 很多时候一个人能搞定的事，那他的效率必然是最快的啊。所以这个也是一个关键的转变。比如我们的组织阵型，可以变成一个业务为单位驱动的一个小团队，然后每个人都可以全站角色，逐步的去模糊掉。 嗯，另外呢，就是方案不要做的大而全，一定要做的小而美，越简单的方案越得到成本又低，又可以快速得到反馈。刚才我 分享的这个数据看板呀，还有企业的记忆，其实我们都是很快就做出来，而且今天是在灰度，因为为什么灰度？因为我们要快速得到一些反馈，很快四月份也就跟大家见面了。 好，那基于这些的转变呢？未来可能推荐的打法哈，因为是基于我们的 code 嘛，比如说 去想 idea， 去想方案，去想创意，去想需求，定义需求，那我们可以用 codewalk 这个产品，因为这个产品它的整个的交互的界面不是以工程为主界面的，它是以对话的方式为主界面哈。 codewalk， 那我们把需求呃定义好了以后，我们怎么样做出来？那可以借用 code ide 这种编码的工具啊，去做原型，拿原型去做评估，然后再去迭代它的质量，变成生产级可上线的这样的一个一个一个功能哈， 然后那整个过程当中我们有很多协同的这样的一些能力，协助的能力，那我们的 codework 也对接了钉钉啊、飞书啊这些 i m， 你 可以在钉钉里面发一个需求，你可以在钉钉里面发一个问题反馈和 bug， 那 它也可以流程往下去走了 啊。所以未来的我们展望就是可能是这样的一个打法哈。好， 那总结一下就是 ai coding， 今天 ai coding 我 们对它的定义已经不仅仅是一个工具的升级了，而是一个研发范式的一个变更，所以这种变更一定是一把手要去全力支持的一件事情。 另外 ai coding 也不是说你要不要做，它不是一个科学项，而是一个避选项了。然后安全固然重要，但是， 但是在安全面前，我们想想是不是可以做一步妥协，以效果为优先呢？这是可以考虑的哈。还有就是从辅助编程到自主编程，我们一定要想想你跟 ai 的 写作方式，你想把自己定义成什么角色 啊？定义成架构师，还定义成一个前端开发，这个是我们自己去定义的哈。另外要要做好这件事情的话，一定是在公司里面要持续升华的运营的整个氛围的，营造哈激励的环境。 其实我们做很多场这样的一个沙融活动，还呃沙融活动哈，其实也让让大家更知道现在 eic 顶的一些新的能力在哪里，别人是怎么做的哈。 好，那我的话题分享到这里哈，指 ai coding 呢？正在重塑软件研发的未来，那从哪里开始呢？其实任何一个 ai coding 都可以，当然我们希望如果能从 code 开始的话。好，感谢大家。嗯嗯。

在聊城有企业的老板每个月可能都会碰到这么一个情况啊，那就是企业的发票额度不够用，因为现在每个企业每个月的发票额度都是有限的啊。如果说，哎，你这个月的 订单有所增加啊，之前的发票额度已经用完了，那么你这个月就会碰到一个情况，那就是发票开不出来。其实碰到这种情况不用担心，因为每个企业每个月都可以进行发票提额，只要你证明你的公司是真实经营，还有这笔业务是真实的，那就可以提上去额度啊，你只需要准备以下几个材料， 第一，购销合同。第二，银行过户流水。第三，呃，房屋产权证明，还有租赁合同。如果说你的企业是在东昌府区啊，你需要多准备这两个资料 啊，公司的员工工资表，还有公司的固定资产表，也就是啊，你的办公室有多少桌子，有多少电脑等等这一些固定资产，准备好这些材料进行提交申请就可以。

警告，本条视频专为穷的只剩性能的垃圾老准备，布哥请自觉划走。今天给大家介绍一位从数据中心退休的老干部，英特尔 p 四五一零。先看这参数表，六百三十七 k 随机读取，这数字消费级 ssd 看了直腿软，重点是这读写贷宽是持续性能， 不是那种三分钟男人的缓存架把式，某些 ssd 缓存用完比我还虚就是薛定岳的速度。 p 四五一零则是个老黄牛，你让他写满四 tb 他 眼都不眨。速度稳如老狗，企业急的就是香， 断电保护，硬件加密都配置，最牛的是六点三 tb 写入寿命，每天全盘写一遍，能写整整五年。正常使用的话，孙子出生了他还能接着写，但是注意这个，但是 这货是右点土接口，十五毫米厚，笔记本用户直接划走，没你啥事享用，乖乖上 pcie 转接卡插台式机上供着，下次看到有人插着右点土硬盘打游戏，别问，问就是这哥们跟我一样又穷又爱玩。