如何构建全流程辅助的 AI4EE 能力：从 Team AI 到企业级 AI 辅助研发的思考？
内容提要
AI4EE是应用人工智能技术提升工程效能的概念，旨在利用AI技术改善工程领域的各个环节，提高效率、准确性和可靠性。企业需要具备流程规范化、知识显性化、团队实践作为示例和知识、实践与规范到代码的动态结合等要素。构建精准的AI上下文能力是提升AI辅助研发效果的关键。企业需要数字化研发流程、研发知识和研发资产，以便于AI辅助研发。AI4EE涉及工程的各个方面，需要不断探索和实践。
延伸解读
企业引入生成式AI的成熟度前提
文章指出，数字化是应用生成式AI的重要前提，企业需要具备一定的DevOps成熟度，即规范化的流程。如果流程本身不规范，生成式AI很难发挥预期效果。因此，企业在引入AI辅助研发前，应先评估自身流程的规范化程度，并优先推动研发流程、知识和资产的数字化，为AI提供高质量的上下文基础。
知识流转：超越数据传递的挑战
文章强调，在结合生成式AI时，企业不仅需要传递数据，还需要传递知识。例如，测试人员使用AI编写测试用例时，需要获取需求、方案设计、架构设计等信息；开发人员修复bug时，需要自动获得日志、问题信息、复现步骤等。这意味着企业需要重新思考工具间的集成方式，确保知识在不同部门、团队和工具间有效流转。
尊重团队实践，避免强制规范化
文章提到，每个团队都有自己的一套最快实践，它可能与企业的规范化流程有所差异，但却是最适合团队的。作为工具开发者，应尊重团队已有实践，而不是使用生成式AI强制规范化。在构建工具时，应从现有实践中提取示例，让AI理解团队的“最快实践”，从而在不改变团队现有实践的情况下实现更有用的AI生成。
动态结合知识、实践与规范到代码
为了提升AI生成结果的精准度，文章认为需要将知识、实践与规范动态结合到代码中。例如，生成测试时需结合开发框架依赖、被测试代码信息、测试用例规范等；编写需求时需构建语义化的代码搜索能力。同时，还需关注不破坏现有实践和工具，将AI工具与现有工具整合，提升使用频率，并重视开发者体验。
Q&A
AI4EE的主要目标是什么？
AI4EE旨在利用人工智能技术提升工程效能，改善设计、需求、开发、测试和维护等环节的效率、准确性和可靠性。
企业在构建AI4EE能力时需要哪些要素？
企业需要具备流程规范化、知识显性化、团队实践示例和工具的动态结合等要素。
生成式AI在研发中的主要应用场景有哪些？
生成式AI主要应用于需求与方案设计、架构分析、代码生成、测试辅助等方面。
如何提升AI辅助研发的效果？
提升AI辅助研发效果的关键在于构建精准的AI上下文能力，数字化研发流程、知识和资产。
知识流转在AI4EE中有何重要性？
知识流转确保数据与知识的有效传递，是生成式AI有效应用的重要前提。
企业如何实现研发数字化？
企业需要将研发流程、知识和资产数字化、平台化，以便于AI辅助研发。
