AI专栏 | 提效4.7倍，携程机票前端迈向AI Coding自治

作者简介

启扬，携程前端开发专家，关注AI技术领域发展和前沿技术。

宏飞，携程资深前端开发工程师，专注大前端场景AI技术应用落地。

团队热招岗位：前端开发专家

导读：随着大模型在Coding领域的表现越来越好，AI Agent技术从提示词+ Rag 迈向上下文工程，使得AI Coding高度自治成为了可能。本文将结合技术流程方案和项目实践落地案例，介绍携程机票在代码转译/迁移场景上的AI Coding助手 - Transpiler。

一、引言

随着AI的蓬勃发展，大模型Scaling Law还在持续生效，使得业内提出的理念或方案随着大模型升级能力也在水涨船高，开始撬动更大价值。与此同时大模型在SWE（Software Engineering）领域下的强大表现，让AI Coding在AI应用领域始终占据着前排的位置，AI Coding产品百花齐放。行业的实践证明了，在软件工程开发周期中实现AI 高度自治成为了可能。结合软件开发生命周期：Requirement -> Design -> SoftwareDevelopment -> Testing -> Software Maintenance，我们判断目前AI 自治水平处于从中度自治往高度自治的发展进程中。 

二、关于 AI 自治

说到AI自治，不得不提到2022年谷歌发的一篇论文：《ReAct: Synergizing Reasoning and Acting in Language Models》。它提出了ReAct概念，Reasoning & Reacting。对于这个业内有非多的研究和探索，单论文的引用数量也是达到了将近4000次。不少AI Coding产品都借鉴了这一思路。 

三、Transpiler

关键词：ReAct、Multi-Agent、Context。

Transpiler实现了参考ReAct理念的流程设计，搭建了Multi-Agent框架支持任务识别和场景Agent调度，工具集支持了推理过程中所需的上下文内容。支持在IDEs运行（通过MCP方式支持），也支持Terminal上通过cli运行。

3.1 流程设计

从一个用户的任务输入，识别任务后，通过Multi-Agent框架调度到对应的代码转译/迁移场景的子Agent进行任务推理。子Agent跟大模型进行交互执行具体任务步骤时，会带着必要的上下文信息，也可以通过Function call和MCP触发对应的工具调用。

3.2 Context工程

基于丰富的工具集合提供上下文信息，包括代码依赖分析、文件检索和操作、Memory（历史对话记录），规则知识库（具体转译/迁移场景的规则），代码以及仓库信息，Bash命令执行的结果、任务状态管理信息等。

四、项目场景落地实践