案例名稱

基于生成式AI的智慧研發應用實踐

案例簡介

中央金融工作會議明確提出做好數字金融等五篇大文章，銀行業邁入數字金融轉型升級加速的新階段。隨著生成式AI技術掀起新一輪科技浪潮，數字金融生產工具將迎來重大的變革?？萍佳邪l是數字化應用升級構建的重要驅動。如何運用大模型技術深度賦能研發，成為未來各金融機構提升全局研發效能、優化人才技能培養的全新課題。民生銀行前瞻布局大模型技術，通過私有化構建代碼大模型，有序推動新技術在研發領域的規?；瘧?，積極培育科技新質生產力，助力數字金融發展。

遵循安全、審慎、有序的基本原則，民生銀行結合金融研發自身對安全、效率、可控等需求，提出了代碼大模型規?；瘧梅椒ā盎鄞a”旅程?；谛袃却竽Ｐ推脚_私有化構建了代碼生成研發輔助工具體系，打造了覆蓋開發、集成、測試、投產的端到端運行風險監測能力。在大模型技術選型方面，民生銀行設計了標準化的技術準入評估方法，可通過靈活擴展的技術架構能力，將各類大模型優勢能力接入代碼生成輔助工具體系中。推廣過程中，遵循“按領域、分批次、小范圍、限功能”指導思想設計分階段、批次的推進計劃。當前已經在全行各板塊進行規?；圏c，生成采納率為20-30%之間，采納代碼與提交量占比大致在30%左右，代碼注釋率從18%提升至約30%，提升代碼可維護性。引入這項技術不僅加速了研發人員工作效率，也為團隊帶來了前所未有的協作體驗和創新潛力的釋放。

創新技術/模式應用

民生銀行加快建設大模型基座平臺，以端到端支撐大模型研發與落地為目標，結合算力集約化管理，提供了平臺化訓練+推理方案與全流程工具支持，實現對包括代碼大模型在內的各專用大模型的納管，并面向應用提供生成能力服務。

在金融研發領域的大模型應用方面，民生銀行依托于大模型基座平臺提供的代碼生成原子服務，構建了集IDE插件、代碼提示詞工程、工具效能數據模塊于一體的代碼生成研發輔助工具，實現了無縫嵌入的編程體驗、多語言與多IDE支持、代碼生成能力調度、應用探索實驗，以及對效能評估的技術支撐。

商業銀行機構涉及上百套規模系統的研發工作，一般大中型銀行擁有著千人甚至萬人級別的研發人員規模，小型商業銀行也擁有上百研發人員的規模，研發人員的能力結構、規模分布極其復雜。為滿足對金融研發領域大規模人員工具使用的管控需求，民生銀行構建了一套覆蓋代碼交付“事前、事中、事后”的代碼生成風險監測體系，依托于DevSecOps平臺支撐基礎，通過對工具行為、生成內容、功能缺陷、性能缺陷、生產問題等信息的采集，實現對代碼大模型生成風險的端到端感知，為業界代碼大模型安全應用提供了參考示范。

項目效果評估

引入代碼大模型產品為我行打開了技術革新的新篇章，這一創新工具通過大模型技術，極大提升了開發效率與代碼質量，進而助力金融機構數字金融升級迭代加速。

通過總體運行效果評估、生成代碼檢測評估、功能評估三個方面來評估引入后工具效果?？傮w運行評估通過AI產能、賦能質量、可用度三個維度設定AI代碼占比、代碼采納量、注釋量提升、單元測試采納量等量化指標，經過規?；A段總體運行評估，生成采納率為20-30%之間，采納代碼與提交量占比大致在30%左右，接近業界主流實踐水平，代碼注釋率從18%提升至約30%，輔助提升代碼可維護性。生成代碼檢測評估通過行內靜態掃描工具實現定期自動生成代碼內容分析結果，其中掃描規則具覆蓋代碼缺陷、規范、單元測試缺陷以及自定義的規則，掃描結果為無缺陷，阻斷、嚴重、一般問題均為0個，代碼圈復雜度低于10，較理想。功能評估旨在為管理者揭示代碼大模型各能力域（編程場景）的準確度、規范度、完整性等方面的各方位實際表現，如生成單元測試，通過設置規范度、可接受度、準確度、可維護性評估維度，每個維度設定指標項，如規范度設定指標項命名規范、目錄結構、代碼結構等，讓試點用戶對逐項功能進行打分，從逐項功能總評價上，各功能均處于可采用狀態。

項目牽頭人

林冠峰 技術總監

項目團隊成員

遲倩倩、張勝

責任編輯：王煊