30% 代码由 AI 生成,单测准确率达到 90%,我在阿里巴巴国际站推广通义灵码

简介: 用通义灵码,真香!

我叫狄建业,花名薛岳,2014 年 2 月加入阿里。我在阿里的工作经历主要分成几个阶段,第一阶段是 2014 年到 2017 年左右,一直在 1688 服务上做研发。第二阶段是 2018 年后加入 ICBU(阿里巴巴国际站),前期在做订购、CRM 相关的工作。这两年我主要是负责商家整体的架构以及 AI 的探索与创新。


70%-80%时间在写代码

遍历主流工具后选择通义灵码


我现在写代码的时间其实是比较多的,相对来说,前几年每天只有 30% 的时间写代码,但这两年差不多有 70%~80% 的时间都在写代码。


2022 年年底,通用大模型破圈之后,大家都比较震惊,然后开始疯狂投入。我也差不多是在 2023 年 5 月份左右 All in AI 领域。


GitHub Copilot 当时比较火,所以我们就开始试用,但因为安全和价格的原因,后续就没有再使用了。后来我也将公司内部当时可用的 Copilot 工具都试用过,发现它们没办法满足我的需求。2023年 9 月,有个同学给我推荐了通义灵码,我深度使用之后发现挺好。


在我们写代码的过程中比较关注的是,能不能智能地帮我生成代码。像通义灵码,比如我写一行代码,它就可以帮我把剩下的代码补全,这样的话我写起来就变成了看和采纳,把我的疲惫度降的很低,避免了一些机械的人肉的操作。


第二个,在写代码的过程中,大家也不是全知全能的,可能有些方法或者写法不知道,我希望在这个过程中能够快速的搜索到答案,通义灵码可以快速帮我找到答案,我就不需要在浏览器之间来回切换,极大地改善了我的编程体验。


通义灵码帮我生成的代码量其实挺多的,30%-40% 基本都是通义灵码帮我生成的,我自己体感测过。


我最喜欢它的自动续写功能,从去年 9 月份到现在差不多大半年时间,通义灵码给我的感受是越来越智能,它能够按照我的代码风格去生成对应的代码。


第二个的话是单元测试,单元测试生成的准确度是非常高的,80% 甚至是 90%。


代码采纳率在60%-70%

我推荐同事都来用通义灵码


感受的话其实很明显,通义灵码它的功能越来越全面,首先,它基本能覆盖市面上 Copilot 工具所有的功能。第二是它的智能,我用它的自动生成代码功能比较多,发现它生成的采纳率是非常高的,差不多在百分之六七十左右,这我认为已经很高了。


我们架构组在 2023 年 5 月份的时候,承担了推广通义灵码的职责,将通义灵码引入了团队,推广通义灵码后,大家都感觉真香。我推荐大家先用起来,多用个两三天,多包容一下,就会发现通义灵码真香。我还负责管理外包团队,我已经让外包团队全部使用,AI 编程一定是当下以及未来的趋势,不用再去质疑这个事情了。


点击此处,下载使用通义灵码。

相关实践学习
流水线运行出错排查难?AI帮您智能排查
本实验将带您体验云效流水线Flow的智能排查能力,只需短短1-2分钟,即可体验AI智能排查建议。
ALPD云架构师系列 - 云原生DevOps36计
如何把握和运用云原生技术,撬动新技术红利,实现持续、安全、高效和高质量的应用交付,并提升业务的连续性和稳定性,这是云原生时代持续交付共同面对的机会和挑战。本课程由阿里云开发者学堂和阿里云云效共同出品,是ALPD方法学云架构师系列的核心课程之一,适合架构师、企业工程效能负责人、对DevOps感兴趣的研发、测试、运维。 课程目标 前沿技术:了解云原生下DevOps的正确姿势,享受云原生带来的技术红利 系统知识:全局视角看软件研发生命周期,系统学习DevOps实践技能 课程大纲: 云原生开发和交付:云研发时代软件交付的挑战与云原生工程实践 云原生开发、运行基础设施:无差别的开发、运行环境 自动部署:构建可靠高效的应用发布体系 持续交付:建立团队协同交付的流程和流水线 质量守护:构建和维护测试和质量守护体系 安全保障:打造可信交付的安全保障体系 建立持续反馈和持续改进闭环
相关文章
|
3月前
|
人工智能 IDE Java
AI Coding实践:CodeFuse + prompt 从系分到代码
在蚂蚁国际信贷业务系统建设过程中,技术团队始终面临双重考验:一方面需应对日益加速的需求迭代周期,满足严苛的代码质量规范与金融安全合规要求;另一方面,跨地域研发团队的协同效率与代码标准统一性,在传统开发模式下逐渐显现瓶颈。为突破效率制约、提升交付质量,我们积极探索人工智能辅助代码生成技术(AI Coding)的应用实践。本文基于蚂蚁国际信贷技术团队近期的实际项目经验,梳理AI辅助开发在金融级系统快速迭代场景中的实施要点并分享阶段性实践心得。
801 25
AI Coding实践:CodeFuse + prompt 从系分到代码
|
3月前
|
人工智能 自然语言处理 安全
氛围编程陷阱:为什么AI生成代码正在制造大量"伪开发者"
AI兴起催生“氛围编程”——用自然语言生成代码,看似高效实则陷阱。它让人跳过编程基本功,沦为只会提示、不懂原理的“中间商”。真实案例显示,此类项目易崩溃、难维护,安全漏洞频出。AI是技能倍增器,非替代品;真正强大的开发者,永远是那些基础扎实、能独立解决问题的人。
328 11
氛围编程陷阱:为什么AI生成代码正在制造大量"伪开发者"
|
3月前
|
人工智能 自然语言处理 前端开发
最佳实践2:用通义灵码以自然语言交互实现 AI 高考志愿填报系统
本项目旨在通过自然语言交互,结合通义千问AI模型,构建一个智能高考志愿填报系统。利用Vue3与Python,实现信息采集、AI推荐、专业详情展示及数据存储功能,支持响应式设计与Supabase数据库集成,助力考生精准择校选专业。(239字)
412 12
|
3月前
|
人工智能 机器人 测试技术
AI写的代码为何金玉其外败絮其中
本文分析AI编码看着好看其实很烂的现象、原因,探索行之有效的的解决方案。并从理论上延伸到如何更好的与AI协作的方式上。
146 3
|
4月前
|
人工智能 测试技术 开发工具
如何将 AI 代码采纳率从30%提升到80%?
AI编码采纳率低的根本原因在于人类期望其独立完成模糊需求,本文提出了解决之道,讲解如何通过结构化文档和任务拆解提高AI的基础可靠性。
1257 24
|
3月前
|
人工智能 监控 Java
零代码改造 + 全链路追踪!Spring AI 最新可观测性详细解读
Spring AI Alibaba 通过集成 OpenTelemetry 实现可观测性,支持框架原生和无侵入探针两种方式。原生方案依赖 Micrometer 自动埋点,适用于快速接入;无侵入探针基于 LoongSuite 商业版,无需修改代码即可采集标准 OTLP 数据,解决了原生方案扩展性差、调用链易断链等问题。未来将开源无侵入探针方案,整合至 AgentScope Studio,并进一步增强多 Agent 场景下的观测能力。
1915 53
|
3月前
|
人工智能 安全 开发工具
C3仓库AI代码门禁通用实践:基于Qwen3-Coder+RAG的代码评审
本文介绍基于Qwen3-Coder、RAG与Iflow在C3级代码仓库落地LLM代码评审的实践,实现AI辅助人工评审。通过CI流水线自动触发,结合私域知识库与生产代码同仓管理,已成功拦截数十次高危缺陷,显著提升评审效率与质量,具备向各类代码门禁平台复用推广的价值。(239字)
736 24
|
3月前
|
数据采集 人工智能 JSON
Prompt 工程实战:如何让 AI 生成高质量的 aiohttp 异步爬虫代码
Prompt 工程实战:如何让 AI 生成高质量的 aiohttp 异步爬虫代码
|
4月前
|
设计模式 人工智能 API
AI智能体开发实战:17种核心架构模式详解与Python代码实现
本文系统解析17种智能体架构设计模式,涵盖多智能体协作、思维树、反思优化与工具调用等核心范式,结合LangChain与LangGraph实现代码工作流,并通过真实案例验证效果,助力构建高效AI系统。
608 7