- 概述
目前主要在AI-coding和垂直领域Agent上有一些实践经验。 - AI-coding
- 代码生成
0-1的项目骨架搭建以及文档生成
通过提示词工程，定义编码风格以及原则、技术栈以及依赖组件的版本信息、代码工程的结构、各模块的解释说明、以及基于few-shot的代码示例，能够从0到1完成一个工程的骨架的创建，并且能一定程度上保障后续从1到100过程中代码自动生成的风格一致。
价值点：保障代码风格的一致性，对于代码规范恶化、沦为屎山有一定预防作用1-100的项目新增接口定义以及文档生成
通过提示词工程，以及需求PRD文档中的需求描述和UI图，自动生成DTO模型和THRIFT接口，并能自动生成技术文档。
价值点：新增接口和字段变动环节得到提效复杂且基础的算法代码生成
有向图拓扑排序
- 代码优化
- 逻辑简化重构、NPE判断、索引优化
- Agent实践
基于公司通用Agent智能助手，通过编写自定义工具然后依托MCP实现Agent对工具即插即用，以及定义工作流来实现工具的编排。主要涉及两个项目
- 自动化测试代码骨架自动生成
传统流程：复制一个历史测试用例代码，打开用例网页链接，将网页上的各项用例信息（id、name、步骤、预期）等复制到用例框架代码的各个部分。
新流程：提示词+用例id直接生成
开发流程：1. 开发一个MCP tool，用于根据用例id查询用例信息（注意通过@Tool、@ToolParam等注解标识tool和出入参）；2. 将该tool注册到MCP Server，并部署Server；3. 将MCP Server注册到Agent上下文；4. 和Agent对话。