7月10日,据记者了解到,京东物流正在将大模型应用于代码编写上,研发整体提效明显。
京东平均每日有超百万行代码提交,如何利用大模型提升研发效率,已经成为产研部门的重要课题。京东物流通过引入智能编程助手JoyCoder,辅助解决代码报错分析、代码优化、单元测试、编码提示等问题,提高研发效率,让研发人员专注于系统架构设计、核心程序开发等更有价值的工作上。
京东物流研发工程师王小龙(化名),负责收货操作的代码优化,在过去,这是一项耗时耗力的任务,往往需要他耗费一整天的时间来打磨每一个协议的代码。使用JoyCoder后,输入代码的同时,JoyCoder就能自动分析代码上下文,实时推理预测推荐代码,将协议优化的时间从一天缩短到几小时。
![](http://image.tech.china.cn//upload/images/2024/0710/182823/221_404658_606337d6288c3305ce2b830561a1d6c5.gif)
JoyCoder功能演示-代码预测补全
JoyCoder一键代码转换,代码可用率超80%
随着业务持续发展,对研发的效率要求越来越高,京东物流原有技术架构Taro 2.0功能不足,影响研发效率和用户体验;且代码采用withWeapp写法,运行效率较低,京东物流希望对技术栈进行优化,通过升级到更新的 Taro 3.0版本,提升研发效率。
从Taro 2.0 升级 Taro 3.0,可以在原有的框架中采用Taro官方提供的脚手架完成架构升级,但因为部分历史页面写法中存在不兼容的语法,升级后会有报错,影响性能和体验。应对代码转换需求,京东云Joycoder提供了前端代码转换功能,对源代码的识别率达到90%以上,转换的代码可用率达到80%,可以把任意的前端架构语法转换成另一套架构的语法,一键转换,仅选择目标语言即可。
通过使用JoyCoder进行语法转化,京东物流顺利将架构升级到 Taro 3.0,在极短时间内完成了超20个页面的重构,解决历史项目中由于框架陈旧造成研发维护成本高的问题。此外,借助于JoyCoder的代码优化能力,让代码更规范、更简洁,有效减少了系统报错,提升了整体代码质量。
辅助研发自动化处理工具,生成代码准确率超60%
京东物流近年来积极拓展港澳业务,在实施过程中,需要让一些项目具备支持简繁体切换的能力,如果采用常规的人工操作,一方面需要处理的内容较多耗时较长,另一方面人工处理出错风险较高,希望借助JoyCoder制作自动化转化工具,提升处理效率。
例如,现有的京东物流商家小程序,需要快速完成港澳语言能力建设,业务系统中有大量的文案需要简繁体切换。通过将问题采用Prompt规范描述给JoyCoder,使用JoyCoder辅助研发了一款自动化转换工具,精准识别需要替换的文案,并实现代码转换,从获取文案、翻译、排重到源代码替换,在明确Prompt的提示下,AIGC准确率超90%。通过采用JoyCoder,京东物流实现了通过AIGC概念进行自动化内容处理,快速完成整个项目语言转换。
对于JoyCoder在京东物流场景的使用,京东物流研发工程师王小龙表示,当前,JoyCoder已广泛应用在京东物流内部的页面制作、联调测试等场景,在中后台系统研发中,业务逻辑偏重,通过使用joycode辅助研发,整体研发效率提升明显。
以上是京东物流采用JoyCoder提升研发效率的两个典型场景。实际上,来自京东零售、科技、物流、健康的上万名开发者正在使用JoyCoder服务于数亿用户,生成代码采纳率超过30%,助力开发周期缩短20%,大大提升了研发效率和质量。
(责任编辑:谭梦桐)