AICoding实践：从Prd到代码生成

推荐语

AI技术如何重塑软件工程？揭秘蚂蚁集团从需求到代码的端到端自动化生成实践。

核心内容：
1. AI编程系统CodeFuse的"需求驱动型"开发模式创新
2. 应对复杂代码资产和业务理解的技术挑战与解决方案
3. 基于RAG和知识图谱的AICoding标准化工作流建设

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

在AI技术重构软件工程范式的新阶段，大模型技术正推动编程模式从"工具辅助型"向"需求驱动型"的历史性跨越。我们期待未来蚂蚁安全与智能实验室所有提交到代码库的代码中，大部分是由codefuse自动生成的， 这就对codefuse在原有代码补全以及AI partner能力的基础上，提出了更高的要求，希望把codefuse按“AI需求执行者”的目标构建，让AI直接理解自然语言需求，自主完成需求解析、任务拆解、跨仓库的文件搜索、代码生成、相应测试代码生成等全流程动作。

• 已有代码资产复杂性：已有的代码仓库都是规模达数十万行代码量级的，呈现典型"天书式"架构特征，包含大量废弃代码碎片、多版本逻辑共存的兼容方案及补丁式代码堆积，形成复杂的技术债网络。

• 智能解析瓶颈：目前的代码库，实证新入职开发人员在无资深导师指导下，难以独立读懂uctfront项目核心逻辑，而现有AI编程系统受限于代码表面特征统计，对跨文件依赖关系、隐式业务规则等深层逻辑的识别准确率不足。

安全业务背景知识庞杂，经历十几年的发展，很多业务规则散落，AI 只能基于现有代码统计规律，无法穿透代码表象理解业务语义, 自动对齐真实业务语义，产品功能，这就导致AI在需求理解时，模型不理解涉及到的业务背景知识，经常出现不理解“已有仓库文件”，以及无法找到需要修改的“已有代码文档”。

针对以上两个问题，经过不断探索与实践，最终从以下几个模块实现最终的AICoding能力：

• 构建AICoding标准workflow，实现端到端逐步生码：围绕完整的生命研发周期，从prd出发，经过标准化系分、上下文知识扩充、需求拆解等阶段，最终结合安全自定义规则，逐步生码。
• 扩充模型上下文，增强对仓库历史知识的理解能力：将数据从业务、通用、规范等维度结构化，基于RAG和知识图谱的能力，逐步增强模型生码需要的背景知识内容。
• 沉淀流程数据，评测能力效果，不断优化AI生码质量：为了优化生码质量，不仅需要对各阶段模型能力制定评测benchmark，优化Agent能力；同时将生码过程数据逐步沉淀，扩充知识库和知识图谱内容，增强知识召回能力，保证召回数据质量。

a. 业务知识体系化

面对庞杂的业务代码内容以及复杂的业务背景知识，需要从安全业务wiki、安全代码wiki、通识wiki、需求wiki多维度结构化补充背景知识，支撑跨仓库、跨业务链路、跨技术栈等复杂场景的生码能力。

• 安全业务wiki：涵盖各业务领域知识、风控通识和稳定性知识，确保生成的代码符合安全研发规范（如三板斧、熔断），且充分理解了安全业务语义。
• 安全仓库wiki：包括仓库级wiki、文件级wiki和调用链路wiki，提供全面的安全侧代码库知识，协助需求拆解和生码过程，快速定位需要修改/依赖的仓库代码内容。
• 通识wiki：基于研发中间件知识和全站研发通用知识，确保需求拆解和生码符合蚂蚁研发规范。
• 需求wiki：基于prd、系分和关联代码内容，构造需求和领域模型的关联背景知识，从实际需求扩充领域模型实际业务语义内容。

b. 上下文知识扩充，增强业务理解能力

ⅰ. RAG检索业务知识

对于大模型不理解特有业务场景的问题，使用业界通用方案，RAG在线检索相关的业务语义文档做代码生成的增强上下文。但是使用RAG知识库召回数据过程，会存在以下问题：

【召回准确率低】

当前RAG知识检索能力，普遍存在的召回率低问题，采用以下方式去优化：

• 提取业务实体：增加需求实体提取阶段，避免整个需求文档直接搜索召回，提升准确率。
• 增加搜索标签：针对二方包跨仓库调用场景，在需求描述时，指定需要的bundle，提升知识库召回率。
• 分应用召回：核心h1h2应用使用geamker（支持业务三元组知识图谱和向量数据库），确保召回准确率；其他应用使用grt（仅有向量数据库搜索能力），保证可用性。

【支持库存储&检索耗时成本高】

为了增强用户体验，同时考虑到大规模数据存储的成本，从以下几个角度进行多维优化：

• 优化查询流程：在知识库召回wiki过程中，剔除最后模型总结步骤，在只做文本搜索召回和倒排流程，节省98%耗时（3min->3s）。
• 精炼知识内容：只保留代码总结中涉及业务语义的部分，降低知识库的初始化解析和存储成本。

ⅱ. 知识图谱能力扩充

在实践过程中，发现现有知识库都是以markdown格式做初始召回文本，但这也会存在一个通用问题：在语义检索时只会命中md文档的某一个chunck块，导致召回结果完整性缺失。

针对此问题，使用知识图谱能力，基于“文件路径+仓库”节点索引标签，定向检索知识库召回文档，扩充wiki内容。

同时，考虑到知识图谱的存储召回耗时成本，简化图谱结构，仅保留必要的文档、仓库、bundle、需求、rpc、drm节点，剔除扩散比大的方法、属性等节点。最终在不降低语义质量前提下，将知识图谱规模从10亿+节点，简化到100万+节点。

c. 模型能力强化

除了RAG+知识图谱方式扩充背景知识外，模型自身的需求拆解和业务理解能力也需要不断增强。

• 持续预训练：基于Qwen-base model，在离线使用语料库，通过持续预训练方式，让需求拆解基模提前学习业务知识。
• 强化学习：通过强化学习手段，让需求拆解模型拆解出的子任务有三板斧和鲁棒性考虑，从而实现风险左移。整体流程如下：

• 训练语料：基于pr的codediffs，先反向生成需求list，再反向合成原始需求。其中会用LLM进行多次扩充。以及原始prd提供反向生成上下文。
  
• 训练方式：基于sllmworks框架，使用GRPO方式，设计多个维度奖励（输出格式、拆解任务个数、变更三板斧、鲁棒性、任务依赖准确性）增强模型拆解能力。同时利用agent提取高可用历史AAR经验，总结成关键词词库，及时更新prompt。
• 训练评测：按照手动评测 + 自动评测，阶段性评测（需求拆解评测）+ 端到端评测（生码评测）相结合的方式对后训练后的需求拆解模型进行评测。
• 应用：需求拆解后的子任务列表用于最终生码，同时还在探究在其他方向的落地（如：系分生成）。

在当前的强化学习训练过程中，我们主要面临数据质量的挑战，并已制定相应的改进思路与落地计划。

【训练集数据质量】

• 现状与做法：现阶段采用“PR → 子任务列表 → 需求”的逆向工程链路构造训练样本，能够在数量上保证数据的充足。同时对数据进行初步清洗：过滤掉代码改动行数在20以下或1000以上的PR，避免过于简单或过于复杂的样本带来的噪音与偏差；在数据生成链路中引入两轮agent进行校验与补全（第一轮用于子任务完善、第二轮用于需求完善），在一定程度上提升了样本的可用性和一致性。
• 问题与不足：自动化生成的数据仍可能存在语义偏差、场景不匹配、标签不够细致等问题；数据分布与真实生产场景不完全一致，容易导致训练过程中的偏拟合或泛化能力不足。
• 改进计划：

• 人工精标与优选：建立小规模的“黄金集”，由领域专家人工审核与精标，作为训练与评测的对照基准；对自动生成数据进行抽样复核，沉淀高质量样本。
• 分类与分层：根据实际应用场景对数据进行分类（如修复类、优化类、重构类、文档类等），并按难度分层（简单/中等/复杂），确保训练时的分布与使用时一致。
• 去重与一致性：对近似或重复样本进行去重；提升一致性与可控性。
• 动态更新与课程学习：建立数据滚动更新机制与课程式采样策略，先学易后难，逐步引入复杂场景，促进稳定收敛。

3.1 自动生成系分

【问题】

• 每个人写的系分往往格式不一，而且会缺失不少方案细节内容，如业务逻辑、多表之间的关联关系等。增加了约束规范，也就保证了细分质量，增加了AICoding的上下文信息。
• 对于高可用、稳定性等非功能性需求，在系分中往往缺失，导致拆解和生码过程为了遵循实际业务内容，需求描述内容无法完全扩充相关能力，三板斧等基本要求依旧不满足。

【方案】

• 给出统一的系分文档，扩充业务流程、状态转换、权限约束规范等必要细节。
• 使用agent自动生成标准化文档，开发人员只需介入修订，减少人工撰写成本。

# 各模块说明## 模块名## **业务实体**| 实体 | 属性及类型<br/>（默认varchar类型） | 索引键 | 字段值说明 || --- | --- | --- | --- |

### **领域功能**
| 领域 | 领域服务 | 领域功能 | 功能描述 | 规则约束 || --- | --- | --- | --- | --- |

### **应用服务**
| 服务域 | 服务接口 | 服务方法 | 方法流程描述 | 校验约束 || --- | --- | --- | --- | --- |

# 业务流程与状态机说明### 状态机说明#### 实体名| 实体 | 当前状态 | 事件/操作 | 下一状态 | 校验约束 || --- | --- | --- | --- | --- |

### 业务流程说明

# 与其他bundle或系统的交互
| 交互方 | 交互方式 | 触发时机 | 主要接口/消息 | pom信息 | 业务目的/说明 | 出入参说明 || --- | --- | --- | --- | --- | --- | --- |
# 高可用相关能力
| 能力 | 是否需要 | 待补充内容 || --- | --- | --- |

• 在生成标准化系分文档时，根据前置约束条件，过滤必要业务场景（如生产发布等）扩充高可用要求内容。以itask为例，在prd内容中没有满足到三板斧的监控感知、回滚、审批的要求，经过agent自动转换成标准化文档时，会补充相关能力要求和建议。

3.2 需求拆解子任务

【问题】

众所周知，上下文描述越清楚，AI生码越准确。因此，对于一个完整的模块功能，哪怕是管理时任务，也会有很很多业务细节需要实现。当把这些内容直接全部给大模型生码时，经常会出现超token，或者业务细节实现不符合预期的问题。

因此，提供供给模型生码的需求，内容越简单，功能越原子化越好。但是拆解后的子需求越简单，意味着子需求个数越多。在拆解时，需要合理定义需求的原子性和复杂度，最终需要在需求复杂度和个数之间找到平衡点，实现需求个数较少，生码质量又要相对较高。

【方案】

• 目标：将需求模块内容拆解为主要执行任务流程清单，包含详细描述和实现方案，并根据任务之间的依赖关系进行排序。
• 拆分标准：

• 确保子任务单一职责明确。
• 根据业务影响评估优先级。
• 维持与提供的业务背景知识、领域模型等的语义一致性。

拆解后需求结构（e.g）：

3.3 仓储生码规范生成

【问题】

• 系统经过长期的迭代，功能复杂，对于每个目录结构已经无法简单描述。
• 不同仓库生码规范不一，单一模型无法覆盖全部场景。以itask仓库为例，管理时需要按照dal->repository->service->controller层次，且dal层同一张表，需要区分BaseDAO和业务DAO。

【方案】

利用模型和codefuse具有的仓库索引能力，增加通用指令，以现有仓储具体场景为例，初始化生码规范（.project_rule），实现不同仓库的架构兼容规范。并在后续生码过程中将该规范内容作为生码上下文约束内容。例如以下是针对实际生产itask仓库自动生成的项目规范：

3.4 分层生码

Q：为什么不按照纵向分模块拆分生码，而是横向分层生码

A：

1. 在系分和需求拆解阶段，已经按照模块拆分，且根据模块间依赖问题，排序生码子任务。

2. 考虑到流程规范性，约束按照mvc分层生码，不仅能避免模块生码过程，模型偶尔丢失controller层代码问题，也能避免不同接口依赖同一个表或者接口、方法，导致merge冲突问题。

【问题】

• token受限：对于功能模块，在AI生码过程中，如果一次实现dal->service->controller层的生码，经常会遇到执行过程超出token限制，导致生码中断问题。
• 上下文遗忘：当在同一个会话中大篇幅生码时，模型往往会遗忘历史生码内容，导致生成大量冗余代码。

【方案】

• 固化生码指令，设计mvc三层各自的生码workflow。
• 优化生码指令，增加统一的命名规范、鲁棒性处理、可读性等质量要求。

3.5 自动review需求效果

【问题】

以管理时ai生码为例，从prd生码，哪怕是单一需求模块，也需要同时覆盖crud多个能力，mvc多层代码，开发人员cr过程无法一行行check代码，直接采纳对模型信任度还不够，风险高。

【方案】

通过自定义prompt，固化需求实现效果总结指令，从变更代码结构、功能覆盖范围、稳定性需求、代码实现方案等多维度总结，降低cr难度。

a. 动态更新知识库，确保数据准确性

• 针对安全代码仓库、需求每天不断变更的问题，不断沉淀最新代码和业务知识数据，基于自动化数据清洗流程，实现知识数据不断迭代演进。
• 持久化拆解流程的过程数据，保存“实际业务需求 -> 代码类”的新增/依赖/修改等关联关系，扩充知识库、知识图谱的数据，进一步优化召回准确率，同时实现了需求拆解流程的标准化。

b. 能力评测

【评测重点】

• RAG+知识图谱：评测知识召回能力

• 召回率：实际命中文件数/目标召回文件数据，目前运行时核心链路能完全召回。
• 准确率：实际命中文件数/实际召回文件总数。

• 模型训练：评测需求拆解偏好

• 总计1分，按照奖分方案，不扣分。
• 输出格式：严格按照json格式、根据需求复杂度合理规划任务列表个数。
• 业务逻辑：拆解任务列表需要满足三板斧、鲁棒性、任务依赖顺序合理等要求。

• 需求拆解能力：评测agent+上下文作用

• 拆解prompt优化效果：简单prompt vs 复杂prompt
  
• 拆解上下文作用：优化背景知识召回能力

• 端到端AICoding能力评测

• 评测数据覆盖标签范围

• 业务类别：业务风控相关需求、反洗钱相关需求、高可用相关需求、处罚相关需求、终端相关需求、流量风控相关需求、内容风控相关需求、其他外包小二需求。业务相关核心场景占比63%，高可用占比14%。
• 需求场景：管理时需求(MVC类型服务架构，涉及接口、Controller等)占比34%；运行时需求（纯业务逻辑实现，不涉及Cotroller接口实现）占比66%。
• 需求类别：新增、修改、新增+修改（占比77%）。
• 需求复杂度：从拆出的需求任务个数和可能实现代码行数评估。简单10%、中等50%、困难40%。

• 评测重点

• 完整性：需求是否覆盖prd文档中领域模型、业务流程和状态机相关内容，其他内容做参考。
• 一致性：需求内容是否与PRD描述的领域模型、业务流程和状态机相关内容，其他内容做参考，领域模型属性描述不完全不影响需求列表的准确性。
• 依赖合理性：需求间的依赖关系是否符合技术实现顺序。
• 覆盖范围：拆分的需求列表是否包含prd以外的内容。如果包含，对于合理的额外内容，比如线程锁、单元测试等属于正常范围的合理扩展。其他额外内容，如增加prd不涉及的接口，此类占比超过整个需求列表的20%，则视为拆解不准确。
• 鲁棒性：需求拆解过程是否考虑到包括数据、业务逻辑、安全、资源、外部依赖等各维度鲁棒性。
• 高可用能力：可监控、可灰度、可应急

CodeFuse 用户提交代码 AI 占比：43.25%	全部提交代码AI占比:36.01%

a. 审理平台端到端生码

项目背景：通过需求单管理模块，管理业务方的审理需求，更好地串联生产用工流程

功能说明：需求单及版本的创建、编辑、审批、上线流程，支持草稿-审批-上线的状态流转，以及每月自动触发任务量级确认与通知。

AI生码效果：AI生码近20000行，按照仓库的数据访问规范dal/repository/service/controller，实现原始系分文档->标准化系分文档->任务拆解->codefuse生码的全过程

b. 智能UI助手端到端生码

项目背景：探索大模型在质量域的提效方式之一，助力质量团队在UI自动化上达到快速编写和调试，自动保鲜提升稳定性等能力提升。为减少用户学习成本，且支持后续公开的快速扩展，采用智能体集成的方式建设智能UI助手。

功能说明：

AI生码效果：AI生码3000+行，，代码采纳率70%+，按照仓库结构规范，实现由prd开始的端到端生码。

c. 一键接入业务二方包

目标：针对相对固定的研发范式，从面向人的编码转换成面向智能体的编码，定制化指令，增强需求生码能力。实现熔断接入/压测接入/班车接入/流量接入 等场景的AICoding生码，一键接入二方包。用户只需编写剩余业务逻辑部分。

效果：已实现在风控系统中，自动接入熔断二方包。

• 当前需求迭代过程中缺乏统一的技术风险管控标准，主要依赖研发人员个体对风险规范的主观认知。这种模式导致两个典型问题：  
  

• 治理与新增风险并存：
  既有技术债务治理（如变更三板斧合规改造、AAR缺陷修复）的同时，新增业务需求仍持续产生同类风险隐患；  
  
• 防控机制不可持续：依赖研发同学意识的非标准化防控，难以保证这些技术风险管控要求在跨需求、跨团队中的一致性落地。由于亟需建立可嵌入研发流程的标准化风险防控体系，通过机制化手段确保技术风险规范在业务需求实现中自动贯彻，从根本上阻断同类问题的复发路径。 

• 当前端到端的生码过程为：原始PRD或系分文档 -> 标准化系分 -> 任务拆解 -> Codefuse生码，要能持续的优化和打磨 「标准化系分」、「任务拆解」 这2个节点的能力，评测数据必不可少，而「标准化系分」、「任务拆解」无历史数据是我们面临的另一问题。

• AIcoding增强技术风险能力强化：将技术风险持续左移，在需求阶段即识别这些风险隐患，在「标准化系分阶段」，识别并扩充高可用相关能力接入的内容，经过后续拆解+生码，使需求具备高可用能力。
  
• 优化编码规范：将编码类的经验教训，总结为规则，并进行分类，在「标准化系分阶段」阶段 或者 生码阶段 识别并避免问题的发生。
• 数据沉淀：在推广落低过程中，不断沉淀用户数据，尤其比对交互过程中的用户修改内容，作为评测数据和评测功能点，基于此优化全流程生码能力和知识库数据。

3.1 、能力研发规划