技术解读 18小时前 70 阅读 0 评论

蚂蚁集团支付宝体验技术部算法负责人杨颢确认出席 QCon 上海,分享前端领域知识库构建与辅助代码研发中的创新实践

作者头像
AI中国

AI技术专栏作家 | 发布了 246 篇文章

如果你也关注 Agent、AI 搜索、多模态、工程化等话题,一定不要错过这 100+可落地的实践案例!


10 月 23 日-10 月 25 日,QCon全球软件开发大会将在上海举办。本次大会将聚焦 Agentic AI、具身智能、强化学习框架、端侧大模型实践、多智能体协作等热门话题,以及 AI 时代下的软件研发、可观测、开源等技术实践,邀请来自腾讯、阿里、字节跳动、华为、蚂蚁集团、小红书等企业的技术专家,和来自清华大学、北京邮电大学、浙江大学的顶尖高校讲师,和你一起重构技术认知与能力边界!


蚂蚁集团支付宝体验技术部算法负责人杨颢已确认出席并发表题为前端领域知识库构建与辅助代码研发中的创新实践的主题分享。随着大模型技术在前端领域的深度应用,如何高效整合前端领域的多模态知识、优化代码仓库理解成为核心挑战。传统知识库依赖单一文本数据且检索效率有限,而代码仓库的静态描述方法易受上下文长度限制。本次演讲将分享通过多模态知识抽取、多样的知识存储与检索策略、端云结合的 AI 服务等优化方案,实现高效知识管理,沉淀完整又专业的前端领域知识库和搜索召回方案的实践。同时结合本地代码仓库动态分析与搜索召回能力,尝试解决大模型解决领域知识匮乏的难题,推动前端研发智能化的水平达到一个新的台阶。


杨颢是浙江大学计算机硕士,支付宝体验技术方向算法负责人,毕业后主要研究方向包括计算机视觉、AIGC、多模态大模型等。目前主要负责前端和体验技术领域的算法研究和工程化落地,曾参与支付宝前端 3.0 智能研发、UI 理解生成大模型、智能 UI 推荐、用户体验度量、动效 AIGC 等项目。他在本次会议的详细演讲内容如下:


演讲提纲

1. 前端领域知识库建设全景

  • 多源知识融合:知识文档/代码仓库/组件库/ API 文档等异构数据接入

  • 多模态解析技术:文本/图片/代码/流程图的结构化提取与向量化

  • 分层存储架构:向量库/知识图谱/关系型数据库的协同

2. 仓库描述新范式 AI-Repomix

  • 传统方案瓶颈:规则式仓库描述(如 Repomix )的上下文冗余问题

  • AI 增强型仓库解析:大模型驱动的目录级/文件级摘要生成

  • 本地化向量数据库:Embedding 缓存+实时相似度检索的混合架构

  • 动态上下文压缩:精准聚焦 Query 相关代码片段和仓库

3. AI 搜索驱动的领域知识 RAG 实践

  • 智能召回体系:端云协同 + 多路召回 + 分层重排的搜索策略

  • 领域知识嵌入的 RAG:基于的召回内容的大模型增强生成

4. 实践案例

  • 领域知识库辅助前端研发提效案例

  • 领域 UI 组件库辅助前端代码生成案例


您认为,这样的技术在实践过程中有哪些痛点?

  • 前端领域多源异构数据(文档/代码/图片/前端组件等)如何实现统一知识化?

  • 如何解决长上下文代码仓库的理解问题?

  • 如何同时解决端云两侧领域知识的召回和辅助生成问题?


演讲亮点

  • 多模态知识熔炉:文本/代码/图像/前端组件跨模态关联检索

  • 代码仓库描述:AI 模型优化的本地代码仓库描述解决方案

  • 生成式研发辅助:领域知识驱动的组件级代码研发提效和代码生成案例


听众收益

  • 获得领域知识库建设的完整技术图谱

  • 掌握代码仓库动态解析和消费的完整流程

  • 学习可复用的 RAG 增强模式和完整技术链路

  • 洞见前端研发智能化演进趋势:领域知识与生成式 AI 的深度融合


除此之外,本次大会还策划了多模态融合技术与创新应用混沌工程与全链路压测实践Data Infra for AIAgentic AI加速与反哺:AI 时代的可观测实践Vibe Coding端侧大模型的创新与应用大模型推理的工程实践AI 搜索技术的深水区模型训练与微调具身智能:当 AI 学会“动手思考”大模型驱动的制造革命AI4SE:软件研发提质增效实践AI 重塑视觉创作体验从“炫技”走向“实用”的 AI 产品大模型驱动的智能数据分析等 20 多个专题论坛,届时将有来自不同行业、不同领域、不同企业的 100+资深专家在 QCon 上海站现场带来前沿技术洞察和一线实践经验。


现在报名即可以享受 9 折优惠,单张门票立省 680 元,详情可联系票务经理 18514549229 咨询。

<!---->


作者头像

AI前线

专注人工智能前沿技术报道,深入解析AI发展趋势与应用场景

246篇文章 1.2M阅读 56.3k粉丝

评论 (128)

用户头像

AI爱好者

2小时前

这个更新太令人期待了!视频分析功能将极大扩展AI的应用场景,特别是在教育和内容创作领域。

用户头像

开发者小明

昨天

有没有人测试过新的API响应速度?我们正在开发一个实时视频分析应用,非常关注性能表现。

作者头像

AI前线 作者

12小时前

我们测试的平均响应时间在300ms左右,比上一代快了很多,适合实时应用场景。

用户头像

科技观察家

3天前

GPT-4的视频处理能力已经接近专业级水平,这可能会对内容审核、视频编辑等行业产生颠覆性影响。期待看到更多创新应用!