大模型专题：2024微众银行大模型助效研发实践

今天分享的是大模型 专题 深度研究报告 ：《大模型专题：2024微众银行大模型助效研发实践》

（报告出品方：微众银行:黄叶飞）

报告共计： 29 页

微众银行为了提升研发效率和应对市场变化，探索了大模型技术在研发流程中的应用，并通过实践遇到了一些挑战。文章详细描述了研发流程中存在的问题、大模型在研发效能上的初步探索、遇到的困难以及解决方案，特别是RAG（Read-Act-Generate）模式在提升Agent能力中的作用，最后提出了未来发展的展望。

研发流程面临的主要问题：文章首先指出了银行内部研发效率低下的主要原因：

• 研发复杂性和人员、产品、监管任务的繁重。

• 快速变化的市场需求和复杂的流程导致需求分析和联调测试成本高。

• 个人效率差异和沟通成本的增加。

• 知识沉淀和产品迭代带来的研发知识不断积累。

大模型在研发效能上的初步探索：微众银行尝试使用大模型来提升研发效能，包括：

• 代码审查时的自动代码推荐和行/函数级实时续写。

• 自然语言转代码和快速生成代码注释，提高代码可读性。

• 系统级别和方法的全链路代码解读和逻辑图、时序图的生成。

大模型辅助研发遇到的困难：在实践中，大模型辅助研发也遇到了一些问题：

• 初期辅助编程方案无法解决开发过程中的痛点。

• 研发知识的快速迭代和模型Token数的限制。

• 微调服务器成本高昂和模型理解的复杂性。

Agent离不开的RAG：为了解决大模型辅助研发的困难，微众银行采用了RAG模式，涉及以下方面：

• RAG在处理流程中的作用，提升Agent的能力。

• RAG处理流程包括需求文档组件、产品说明、系统设计文档等。

Multi-Agents实现研发流程提效：微众银行通过实现Multi-Agents来提高研发流程的效率，具体包括：

• 从集成基础工具到不同业务场景的Agent实现。

• Multi-Agents的实践，包括基础Agents、多环节Agent和全流程Agent。

让AI成为主角的人机交互方式：文章最后讨论了如何让AI成为主角的人机交互方式，涉及以下方面：

• 优化人机交互方式，使Agent能够优先执行并完成主要工作。

• 人工参与调整Agent制定的Planning，以及Prompt的调整。

总的来说，微众银行的实践表明，大模型技术可以在一定程度上提升研发效率和应对市场变化，但同时也面临着实施过程中的挑战。通过RAG模式和Multi-Agents的应用，可以进一步提升Agent的能力，实现更加自动化和高效的研发流程。