2020年6月，随着OpenAI发布GPT3.0，引起了GitHub上开发工程师的关注，研究如何借助GPT的能力自动生成代码。2021年6月，微软和OpenAI共同推出AI编程工具Copilot，通过学习大量源代码和开发者的编程习惯，可以自动帮助工程师完成代码编写、提供代码建议和代码补全等功能。
在企业研发场景，大模型可以辅助开发人员提高编程工作效率，具体应用包括代码补全、测试用例代码生成、自动拆分、内容生成、资源智能分配、故障定位、自动生成测试文档等。
沙丘社区通过研究中国工商银行、中国邮政储蓄银行、国金证券等金融机构在研发领域的大模型应用探索，旨在为其他金融机构大模型应用提供参考。
▎案例一：中国工商银行智能研发场景的大模型探索实践
在大模型技术的加持下，代码补全、代码生成、单元测试生成、代码缺陷检测等方向已经逐渐涌现出成熟应用，为软件研发效能的提升带来技术变革。微软推出的GitHub Copilot是目前智能研发领域较为完善的产品，不仅覆盖以上应用方向，并且有IDE生态支撑。
工商银行近年来一直在推动智能研发体系建设，期望将大模型应用于需求设计、编码、测试、发布、迭代的代码开发全流程，提高研发效能。
大模型与研发体系的结合是未来智能研发的重要趋势，工商银行试验性引入部分开发人员需求强烈的大模型能力，建立智能研发技术先导体验机制，目前已经初步具备单元测试辅助生成、代码注释生成、代码分析优化、跨语言代码翻译、代码分析优化等能力。
获取完整版案例，可添加微信号zimu738
▎案例二：中国邮政储蓄银行研发安全场景大模型应用
安全领域现有工具大部分都是基于规则库进行特征匹配，由于人为因素的存在，安全问题容易出现疏漏，工作海量且取决于安全人员的能力水平。
中国邮政储蓄银行引用大模型技术辅助研发安全工作，不仅能提高工作效率，还可以保证工作的准确性和可靠性。大模型在研发安全领域的落地应用场景非常广泛，目前，中国邮政储蓄银行主要将大模型用于辅助安全需求设计、指导安全编码、提升安全测试效能、强化安全运维能力。
但需要注意的是，现阶段大模型只能起到辅助作用，关键的安全工作不能完全依赖于大模型。本案例旨在为其他金融机构的大模型应用提供参考。
获取完整版案例，可添加微信号zimu738
▎案例三：国金证券开发场景大模型应用实践
国金证券将内部办公开发场景作为切入点探索大模型应用，通过AI编程助手提升工程师的工作效率，减少重复劳动。
在大模型选型方面，国金证券的主要思路是对国内外主流AI编程助手各项指标进行全面对比，综合评判，以选择一款最合适现阶段需求的产品。同时，产品需要能够提供商用、满足私有化部署、支持企业级定制、支持个性化训练、支持主流开发工具、支持主流开发语言、安全合规等。
当前国金证券后端 Java 开发团队的三分之二已经全面安装并使用aiXcoder，所有使用的开发者都认为编程助手可以提升工作效率，减少重复劳动。
获取完整版案例，可添加微信号zimu738