Follow feeds: blogs, news, RSS and more. An effortless way to read and digest content of your choice.
Get Feederphodal.com
Get the latest updates from Blog | Phodal - A Growth Engineer directly as they happen.
Follow now 117 followers
Last updated 11 days ago
11 days ago
# 从 Semantic Kernel 到 Spring AI 的迁移实践:构建企业级智能应用的架构演进 > 在AI应用快速发展的今天,框架选择和迁移策略直接影响着项目的成功。本文基于一个真实的企业级项目,深入分析从Microsoft Semantic Kernel迁移到Spring...
19 days ago
PS:本文的适用场景是:中大型老旧系统、大量的相同技术栈应用,即可以通过构建工具来获得规模化效应,进而在 ROI 的成本上获得更可观的收益。
about 2 months ago
PS: 我原本打算在 2025 年初写下这篇文章,但工具演化得太快,每隔几周就有新的范式、新的惊喜,直到最近,轮廓终于清晰,我才敢动笔。
2 months ago
在那篇《AutoDev Next》的愚人节文章里,我们介绍了 AutoDev 下一阶段的一些构思和想法,而 AutoDev Remote Agent 则是其中一个重要的组成部分。
3 months ago
在先前《[预上下文生成](https://www.phodal.com/blog/pregen-context-refactoring-rag/)》的文章中,我们介绍了预生成上下文的概念和实践:
3 months ago
在过去的两周里,在我们开发 AutoDev Workbench 的过程中,大量地使用 AI 来辅助我们从需求分析、代码生成、测试生成等工作。
3 months ago
过去的一个多月里,我们构建了一个新的 AI 编程工具:AutoDev Workbench ( https://www.autodev.work/ ) 。它是一个 AI
4 months ago
在上一篇文章《AI 友好架构:平台工程赋能 AI 自动编程》,我们提及了 DevOps 平台应该大量的预先生成项目、模板、上下文等信息。在这一篇文章中,
4 months ago
生成式人工智能(Generative AI),特别是大型语言模型(LLMs),在自动化和辅助代码生成任务方面展现出巨大潜力。然而,其固有的逐字符(token-by-token)生成机制,在处理大规模、复杂的代码库和文档时,若每次都需从头处理上下文,则面临效率低下的挑战。本报告旨在深入剖析这一问题,并重点探讨**预上下文生成**作为核心工程化手段,如何显著提升代码生成的效率和质量。我们将详细分析在生成过程中实时处理上下文的局限性,阐述通过预先生成和结构化必要上下文信息,并结合高效检索机制(如检索增强生成 RAG 及其高级形态),从而优化代码生成流程的解决方案。报告还将讨论上下文缓存、模型架构优化、知识蒸馏等补充技术如何与预上下文策略协同作用。此外,本报告将结合 DeepWiki、Context7 及 DeepWiki-Open 等案例,分析实际系统中预上下文生成与利用的架构考量与实现策略,最终为构建以预上下文为基础的高性能 AI 代码生成系统提出综合建议。核心观点认为,未来的发展方向在于从依赖即时上下文处理的生成模型,转向集成了智能化的上下文预生成、管理和高效检索能力的工程化、情境感知系统,从而实现显著的效率提升。
4 months ago
上下文感知一直是 AI 辅助编程的核心要素之一。在模型不再是瓶颈的 2025 年里,如何获得当前任务所需要的**必要**上下文信息,将是 AI 助手能否成功的关键。