ABCoder-Java扩展和应用落地

1. ABCoder Java 扩展和应用落地 ABCoder Java extensions and application implementation 演讲人: 马跃伟 SPEAKER: YUEWEI MA(Mars)

2. 目录｜Contents Part 01 ABCoder 介绍 index 方式的 codebase context 实现 Part 02 构建AI专用的代码地图 Java 为例的 parser 实现 Part 03 ABCoder 加持的AI 实践实际案例-在复杂系统中 PRD 到技术方案和代码

3. 01 ABCoder 介绍 AI-Based Coder : index 方式的 codebase context 实现

4. ABCoder 的介绍和应用 index 方式的 codebase context 实现 • 代码理解和分析的复杂性问题 • Code To 统一的抽象语法树（UniAST） • 结合大语言模型的推理能力，实现深度的代码理解和分析案例 - mybatis3

5. ABCoder 的介绍和应用搭建知识库 index 方式的 codebase context 实现指导技术方案和代码生成跨语言重构-半空 Go2Rust CR、bug修复、知识问答...

6. ABCoder 的架构和实现多语言 parser Go Parser 的痛点 •语言强耦合 •环境依赖性 •性能问题 •扩展性差 Tree-sitter + LSP 实现优点 •架构设计统一 •仅需 LSP 语言服务器 •性能优势 •插件化语言支持

7. 02 构建AI专用的代码地图 Java 为例的 parser 实现

8. ABCoder的多语言 parser 实现思路

9. 使用Tree-sitter进行快速文件解析，理解代码的基本符号语法精准解析 Tree-sitter基于词法解析技术，精准识别Java语法结构，确保代码骨架提取无误。语言结构提取提取类、方法、变量等关键节点，构建清晰的代码逻辑视图。高效性能表现支持快速遍历大型文件，毫秒级响应，满足实时分析需求。 AI友好输出生成结构化AST数据，便于后续处理与跨文件关联分析。

10. 通过LSP关联所有符号，了解跨文件的关系网符号全局索引利用LSP建立跨文件符号引用关系，实现类、方法、变量的精准追踪。调用链路解析语义关系网络自动识别函数调用路径，还原分布式场景下的复杂依赖结构。整合类型继承、接口实现等语义信息，构建完整的代码知识图谱。

11. UniAST: 结合前两步构建出的最终AI友好地图统一语法树融合Tree-sitter与LSP信息，构建跨文件、语义完整的统一抽象语法树。关系全覆盖整合符号定义、引用与调用关系，形成全局代码知识网络。 AI可读结构将原始代码转化为AI易于理解的标准化、结构化中间表示形式。精准导航图为AI提供包含上下文与依赖的高精度代码导航与修改指引。

12. 03 ABCoder加持的AI 实践实际案例-在复杂系统中 PRD 到技术方案和代码

13. AI coding 的美好愿景与现实挑战理想的 vibe AI 编程现实挑战智能协作者AI深度理解业务与代码，像资深工程师一样思考，主动提出合理方案。分布式系统涉及多服务、多节点交互架构复杂性高，AI难以全面理解整体架构与依赖关系。零误操作所有修改精准可控，绝不引入意外变更，确保系统稳定性。数据与状态跨服务分布，AI易遗漏关分布式困境键上下文，导致生成代码逻辑不一致。无缝协作流与开发者自然配合，按需提供信息、生成代码、解释逻辑，提升效率。局部修改可能引发全局副作用，AI缺乏影响难预估对系统级影响的准确判断能力。

14. 解决方案: 拆分步骤+人在回路，确保每一步都由人来监督和确认核心目标：高效产出可控、可理解的代码分步解耦任务将开发流程拆解为可控阶段，降低AI出错概率。人在回路监督每步输出均需人工审核确认确保方向正确。闭环反馈迭代结合反馈动态调整AI行为提升结果可靠性。

15. 分析现有仓库-改动点分析过程接收PRD输入系统接入产品需求文档自动提取核心功能描述与变更意图。语义关键词提取基于LLM识别业务关键词，如订单、支付、用户权限等关键实体。映射代码模块结合项目领域模型，将业务术语匹配到对应的微服务与包结构。定位逻辑边界初步划定受影响的业务层、控制器及数据访问组件范围。分析结果

16. 结合改动点和技术方案模板 LLM 生成技术方案构建输入模板设计结构化输入格式，规范问题描述与引导LLM生成请求参数。提升LLM理解准确性，降低在限定上下文中引导大模型输出，确保歧义风险。逻辑连贯性。聚焦技术实现细节，避免泛化回答。明确改动点识别本次迭代的具体变更范围，界定新统一输出格式增或修改功能。避免范围蔓延，确保开设定标准化响应结构，保证结果可读与发与设计对齐。可比性。便于团队评审、归档与后续自动化处理。整合PRD摘要提取产品需求文档核心内容，明确背景提升评审效率与目标。聚焦关键功能点，减少冗余信通过一致性与精准性优化，缩短反馈周息干扰。为后续技术方案生成提供清晰上下文。期。降低沟通成本，加快迭代进度。

17. Code 生成-基于ABCoder 的执行计划,Trae IDE Agent 执行底层逻辑同技术方案一致，都依赖于 ABCoder 提供的仓库 context

18. Q&A

19. THANKS