徐昊 · AI 时代的软件工程
徐昊
Thoughtworks 全球技术策略顾问
3212 人已学习
新⼈⾸单¥98
登录后,你可以任选4讲全文学习
课程目录
已完结/共 33 讲
构建AI辅助的团队 (2讲)
徐昊 · AI 时代的软件工程
15
15
1.0x
00:00/00:00
登录|注册

28&结束语|通过LLM构建团队门户

你好,我是徐昊,今天我们来继续学习 AI 时代的软件工程。
前面两节课我们学习了团队视角下无法根本消除的认知分歧,以及如何围绕测试工序拉齐认知分歧。今天我们就来看看大语言模型(Large Language Model,LLM)在这个过程中能发挥什么作用。
之前课程群里就有同学提出能否从需求开始,用 LLM 来构造“一条龙的服务”,我们先来讨论一下这个想法在当前(2024 年 5 月)是否可行。

无法通过 LLM 构成工作流

我们在前面的章节中讲述了大量 LLM 技巧,包含建模、模型验证、任务拆分、测试构造、代码编写等等。几乎覆盖了软件生命周期的全部环节。这时候,我们不禁有一个疑问,我们能否使用 LLM 拉通所有的环节,构建一个完全基于 LLM 的工作流?毕竟围绕测试工序,我们还是给过一个类似 Devin 的方案的。
那么能不能利用多 Agents 架构,把范围进一步扩展到软件开发的全流程呢?
简单来说,还不能。而且我也不太看好这个方向。想要理解其中的原因,还是要回到认知行为模式上。
当我们和 LLM 一起完成任务时,基本上是 LLM 负责干活人负责喊停那么何时喊停,取决于人对于 LLM 产生内容质量的判断。也就是说,人对于问题的认知,和对于质量的理解,决定了最终人与 LLM 合作结果的质量与效率。那么这就又回到了认知行为模式上。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

1. 大语言模型(LLM)在软件工程中的应用:讨论了LLM在软件生命周期各环节的应用,以及通过LLM构造团队知识门户来提高团队的认知水平。 2. 无法通过LLM构成端到端的工作流:分析了无法利用LLM构建完全基于LLM的工作流的原因,以及人与LLM合作结果的质量与效率受认知行为模式影响的情况。 3. 通过LLM构造团队知识门户:介绍了利用LLM构造团队知识门户的架构,包括知识层、交互层和知识门户的UI层,以及RAG和知识图谱的应用。 4. RAG和知识图谱的应用:讨论了RAG对LLM输出进行优化的方法,以及结合知识图谱的RAG架构的新方向。 5. 知识门户的UI层构建:介绍了知识门户的UI层的构建形式,包括分层架构和按照知识产品的形式构建门户。 6. LLM无法直接提升认知水平:强调了LLM并不能直接提升认知水平,而是提供了贴近某个不可言说知识的训练法。 7. 通过LLM提高人的认知水平:探讨了如何通过LLM提高人的认知水平,以及构造一组辅助工具,以贴近项目的方式,快速培养人员能力的有效方法。 8. 知识产品的构建:提出了将LLM的装为一个个独立的产品,类似将单体应用拆分为微服务的构建方式。 9. LLM在软件工程中的应用限制:指出了LLM在软件工程中的应用受到认知行为模式的影响,以及面向全流程的

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《徐昊 · AI 时代的软件工程》
新⼈⾸单¥98
立即购买
登录 后留言

全部留言(2)

  • 最新
  • 精选
  • 范飞扬
    感谢老师!把不变的规律和模式(认知行为模式、知识工程、业务建模、TDD等)掌握好,就能以不变应万变~
    2024-05-10归属地:广东
    1
  • aoe
    感谢老师带来的精彩内容! 意识到「知识管理」是一项核心技能,掌握后不仅能更好的利用 AI,还能增强解决问题的能力。 原来 AI 是这样降维打击的:AI 展现的逆天的能力,实际上不过是利用了认知差,以及海量的知识积累,在我们的不擅长的领域中,打了我们一个措手不及。
    2024-05-10归属地:浙江
收起评论
显示
设置
留言
2
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部