AutoDev Knowledge Agent 的想法是来源于一次与客户的交流中,说到的 RAG 相关的问题:结构化数据优于非结构化数据,JSON 还可以采用
在现代软件开发中,代码审查(Code Review)早已成为质量保障和团队协作的核心流程。但在实际工程环境里,审查往往陷入
在上一篇文章《以 ROI 为中心的 AI 代码检视体系与分级》里,我们介绍了在不同的系统
昨天,和我的前同事(他们 Thoughtworks Global,我们前 Thoughtworks 中国区,现 Inspire)聊完 AI Code Review 之后,觉得有几个点非常不错
在新的 AutoDev MPP (Multiplatform Paradigm) 架构下,我们也基于 MPP Core 构建了 CLI 体系。而与免费送 Token 的 Gemini CLI 等相比,
依托于我们领先(于国内的)下一代开源的 AutoDev 架构,在最新发布的 AutoDev 多平台预览版(0.1.6)中,我们实现了 AutoDev Server 与
半年前,我在《AutoDev Next》那篇文章中介绍了 AutoDev 的下一代架构,其中一个核心方向就是:多端支持。
过去两三年,我曾为多家公司的资深开发人员开展 Agent 开发培训;最近一个月,我也一直在为毕业生设计和培训 AI Agent。直到本周,
过去的一个多月里,一直在为毕业生进行软件工程与 AI 开发能力培训,直到最近才有空为 AutoDev 完善 A2A 能力的支持。顺带一提,毕业生
在过去的几年中,AI Agent 应用的开发方式经历了快速演变。生成式 AI 的高速发展,使得许多我们不久前构建的应用,很快就被视为“遗留系统”。