中国银行软件中心上海分中心总经理 林坚军

  党的二十大报告明确，要加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。随着数字经济的蓬勃兴起和新技术的快速演进，金融科技逐步迈入高质量发展的新阶段，其具体表现为人工智能、大数据等技术与业务的融合发展，加速推动金融机构朝向数字化方向转型。

  中国银行软件中心作为国有大行的科技中坚力量，是推动中国银行数字化转型的重要组成部分。当前，由大模型技术驱动的人工智能技术革命正在国际国内各行各业快速拓展应用场景，中国银行软件中心积极探索和推动大模型技术在软件研发领域的应用，在提升效率、优化流程、保障安全和降低成本等方面不断实践，重塑软件研发流程，提升软件研发质效。

一、软件研发模式变革与挑战

  20世纪60年代，“软件工程”的概念被正式提出，经过不断地工程化演进，软件研发模式逐渐出现一些标准和方法，如软件能力成熟度模型(CMMI)、ISO9001等，这些标准和方法为软件研发走向标准化和规范化奠定了基础。与此同时，各种软件研发模式不断涌现，瀑布模型就是最经典的软件全生命周期管理模型。银行业作为较早开展信息化建设的行业，最开始也是采用瀑布模型开展软件研发工作。进入21世纪，随着移动互联网的发展，新的研发模式——敏捷开发被提出，得到银行科技条线积极主动的尝试。

  大型银行推广敏捷开发模式并不容易。相较于其他行业而言，银行的系统经过十几年的信息化建设，已经构建了较大规模的软件产品体系和一系列标准化管理流程，有着非常鲜明的特点。一是历史技术债务积累较多。银行系统的信息化覆盖了银行全领域、全流程的业务，随着系统规模的不断扩大，单个系统的功能不断扩充，整个银行系统间的关联度、复杂度持续上升，系统迭代能力因历史技术债务的积累而受到较大影响。二是专业知识复杂度提升。在互联网浪潮下，银行机构开展数字化转型，线上金融场景不断拓展，对银行系统的稳定性、安全性提出了更高的要求，进而促使银行采用新的技术架构、多技术融合等前沿技术构建科技体系，同时还需要将新技术与业务诉求进行有效结合，因此相关的专业知识复杂，学习、培训、使用等投入成本越来越高。三是银行系统研发协作链条长。银行业务场景与产品构成复杂多样，研发过程需要跨部门协作，不同角色间工作的相互衔接受个人能力或者技术知识的局限，可能影响整个项目迭代工作的进展和系统软件的质量。

  以上三点是影响银行软件研发效率和质量的关键因素，而大模型技术的出现，为其提供了前所未有的视野和契机。

二、中国银行新研发模式实践

  中国银行软件中心经过十几年的研发体系建设，已经构建了一套覆盖软件全生命周期的中心管理体系。在研发过程中，中国银行软件中心采取有效的监控手段，确保体系的各项制度有效落实，分阶段分领域进行跟踪监控与检查审核，形成PDCA(Plan—Do—Check—Act)闭环，确保过程执行的合规性和有效性。近两年，围绕软件研发全生命周期，中国银行软件中心积极拓展大模型赋能研发流程的应用场景，以质效提升为目标，探索以智能化工具为支撑的新研发模式。一是在研发流程中利用大模型快速学习能力，将智能化工具融入开发人员的日常工作环境中并对其快速赋能;二是使用大模型的整合分析能力，将组织积累的知识资产进行分析整理，保证技术知识在研发过程中的一致性，促进知识的高效传递;三是在研发流程中采取有效的控制措施来保障软件系统的质量。

  1.纵向重构研发环节，打造研发新模式

  中国银行软件中心基于代码大模型打造智能代码助手，结合代码扫描能力，构建了“扫描+辅助”的新型研发模式。通过打造智能化软件研发工具，提供代码生成、代码补全、代码解释、代码改写、单元测试案例生成、代码纠错、注释生成、代码重构优化等多种编码辅助能力。该模式一是可减少缺陷注入量，在编码分析设计阶段助力生成高质量注释、接口文档，解读历史遗留代码，消除团队间因沟通不畅导致的错误与故障，并帮助理清编码思路，从而从源头减少缺陷注入量;二是可提高问题曝光量，在开发端插件中实现源代码开发过程的实时代码安全检测，在编码实施阶段开展智能代码扫描，实现缺陷检测活动的左移，提前发现问题;三是可辅助问题解决，在编码调试阶段将代码生成与代码安全辅助结合形成闭环，对扫描出的有安全隐患的代码片段，做好安全编码流程管控。

  中国银行软件中心充分利用大模型的能力开展安全生产专项审计工作，通过历史问题分析整理，形成各技术栈重点排查场景，并将这些场景的案例、成因分析提供给大模型进行自主学习，从而有针对性地生成代码调优和修改建议，实现生产故障排查“举一反三”，提升开发和纠错效率。例如，针对内存使用的相关技术场景，制定专项检查规则，嵌入开发工具中，开展实时检测，并以高亮方式展示有安全漏洞风险的代码片段，随后将代码片段连同问题一起发送给大模型，大模型给出修改后的代码，帮助研发人员快速修复问题。

  2.横向深化研发流程建设，释放协同新效力

  在软件研发过程中，有两个关键环节是对研发效率的挑战：一是组织级知识资产的积累和有效的传递;二是跨部门和职能的人员协作。当将整个研发流程拆分到足够小的工序时，就能通过大模型对企业知识资产进行学习，实现各环节输入、输出的规范化和标准化，减少研发人员因个人知识和能力不同对研发流程的影响。例如，利用大模型能力，将海量的知识通过提示工程输入，给出企业标准的代码编写规范，指导同一技术栈下的程序代码输出规范，保证程序的可读性和可维护性。这能让开发人员在代码评审环节将主要精力集中在业务逻辑处理的正确性上。又如，自动生成对应的测试案例和差异比对清单，作为后续测试阶段的准入材料，可以助力各环节的有效衔接。

  为了有效整合和利用组织资产，中国银行研发中心结合大模型摘要生成、文档检索等学习整合能力，构建了智能研发知识库平台。该平台结合多方面工程优化方法，面向研发人员提供基于知识库的交互式解答能力，可涵盖IT实施工艺、管理体系、技术标准、内外部规范等，高效、精准解决日常工作中文档检索难、复杂业务理解难等痛点问题。在编码过程中，研发人员基于该平台，通过对话的形式与大模型的知识库进行交互，自动搜索银行内部的文件和资料，查阅和应用相关规范，并附上来源，加速代码编写，极大缩短了个人学习曲线，减少了信息偏差，促进了协同工作效率。例如，研发人员对于Java编码规范的任何问题都可以直接在平台上进行询问，由大模型结合对应技术栈的编码规范、实施策略、使用指南等文档提供相关的解答。

  3.筑牢研发支撑平台，助力技术普惠

  新研发流程的落地需要建设与之配套的研发支撑平台。目前，中国银行已经建立一系列端到端全链路研发支撑类平台，如IT资产管理工具、自动化测试平台、运维管理平台、制品库等，并通过将智能代码助手、智能研发知识库平台等智能化工具与DevOps流程支撑平台相结合，落地质量管控要求，伴随软件版本流动开展代码评审、代码合规检查、单元测试、安全扫描、自动化测试等活动，实现质量管控由事后向事中的转变。根据同业最佳实践，结合自身实际的管理目标，中国银行在关键活动环节设置阈值，利用自动化平台和智能化工具的检测，通过可以度量的指标数据，保证产品开发过程的可控和软件版本的质量，有效支撑研发工程活动的可落地、可追溯。

三、直面挑战，共创转型发展新时代

  在积极探索应用大模型技术的实践中，商业银行需要清晰地认识到新技术也会引入新的风险。数据安全、内容可靠性、可解释性等问题是现有大模型应用面临的真实挑战。解决这些问题的技术研究尚处于早期发展阶段。国际社会普遍从制度层面支持与引导大模型往可靠、可控的方向发展。我国于2023年7月发布《生成式人工智能服务管理暂行办法》，奠定了国家对于大模型发展应用的主要基调——包容审慎、分级分类监管，明确大模型服务提供者应承担网络信息安全、个人信息保护等义务。

  面对新一轮以大模型技术为主的新质生产力的科技革命，作为国有大型商业银行，中国银行将直面新环境、新形势下的金融科技新要求和新挑战，支撑金融科技逐步迈入高质量发展的新阶段，走出具有中国特色并与国际接轨的金融数字化之路，助力经济社会全面奔向数字化、智能化发展新时代。