index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
复旦大学CodeWisdom团队聚焦国家战略需求与产业共性问题，致力于智能化时代的软件工程与系统软件技术研究。团队主要围绕“软件智能化开发与运维”（AI4SE）和“面向智能化系统的工程化方法”（SE4AI）两大方向展开。AI4SE方向将大模型、Agent等技术应用于软件开发、测试与运维；SE4AI方向则关注智能汽车、智能制造等新型智能化系统中的基础软件支撑、开发测试方法及AI原生系统的构建与质量保障。团队在程序分析、软件供应链、软件分析挖掘、智能化开发、AI原生与云原生系统、人机物融合系统软件、机器人软件工程、人工智能系统工程以及智能汽车与工业软件等领域均有深入研究，并取得丰硕成果，包括在顶级会议期刊发表论文百余篇，获得多项奖励，并与多家重点企业开展深入合作。
✨ **研究聚焦与两大核心方向：** 复旦大学CodeWisdom团队的研究紧密围绕国家战略性需求和产业共性问题，形成了“软件智能化开发与运维（AI4SE）”和“面向智能化系统的工程化方法与技术（SE4AI）”两大核心研究方向。AI4SE旨在将大模型、Agent等前沿智能化技术深度融入软件的开发、测试与运维流程，提升效率与智能化水平；SE4AI则侧重于为智能汽车、智能制造、自主无人系统等新兴智能化系统提供关键的基础软件支撑，并探索新型AI原生系统的构建与质量保障方法，以适应智能化时代对软件系统提出的新挑战。
🛠️ **多领域深入探索与技术创新：** 团队在九个具体研究方向上进行了广泛而深入的探索，包括程序分析与测试、软件供应链风险治理、软件分析与挖掘、软件智能化开发、AI原生与云原生系统、人机物融合系统软件、机器人软件工程、人工智能系统工程，以及智能汽车与工业软件。在这些领域，团队不仅进行理论研究，还积极开发相关平台（如“伏羲”开源风险治理平台、“祝融”代码大数据分析平台），并推动技术成果在华为、阿里、字节跳动等知名企业落地应用，展现了强大的技术转化能力。
📚 **教育成果与学术影响力：** CodeWisdom团队在人才培养和学术服务方面也表现突出。团队编写的教材《现代软件工程基础》获得教育部推荐和优秀教材奖，专著《软件开发大数据分析研究与实践》入选“十四五”规划。多位教授获得优秀教师称号，并担任国内外重要学术组织的关键职务。团队还积极承办高水平学术会议，创办智能化软件开发沙龙，并运营具有较大影响力的微信公众号“CodeWisdom”，在软件工程领域形成了广泛的学术影响力和知识传播网络。
CodeWisdom 2025-10-03 08:01 吉林
复旦大学CodeWisdom团队最新概况及研究方向介绍（2025年10月）
欢迎联系各类合作以及申请加入实验室（博士生、硕士生、本科生、博士后、科研助理、科研专任岗等）！
联系方式：pengxin@fudan.edu.cn（彭鑫老师）
▋团队成员 团队现有教授2名（彭鑫、赵文耘）、副教授6名（陈碧欢、吴毅坚、沈立炜、沙朝锋、李敏波、董震）、讲师1名（李弋），负责人是彭鑫教授。
研究概述
团队研究工作聚焦国家战略性需求和产业共性问题，主要围绕智能化时代的软件工程与系统软件技术展开，具体包括软件智能化开发与运维方法与技术（AI4SE）以及面向智能化系统的工程化方法与技术（SE4AI）两个方面。前者关注于将大模型与Agent等智能化技术应用于复杂软件的开发、测试与运维之中，后者关注于智能汽车、智能制造、自主无人系统等新型智能化系统中的基础软件支撑与开发测试方法以及新型AI原生系统的构建与质量保障。
工作成果
研究工作得到科技部重点研发计划项目、自然科学基金重点/面上项目支持，与重点企业共建校企联合实验室，研究成果在多家重点企业和重点行业应用，获华为优秀技术成果奖。
在ICSE、FSE、ASE、ISSTA、CCS、WWW、TOSEM、TSE以及中国科学、软件学报等国内外高水平会议与期刊上发表论文100余篇。发表在软件工程领域国际旗舰期刊《 IEEE Transactions on Software Engineering》上的论文获得该期刊首次颁发的年度最佳论文奖。此外还获得ACM SIGSOFT及IEEE TCSE杰出论文等国际期刊/会议优秀论文奖10余次。
教育教学 团队编写的教材《现代软件工程基础》入选教育部软件工程教指委推荐教材，获2022年教育部-华为“智能基座”优秀教材奖、优秀课件奖。编写的专著《软件开发大数据分析研究与实践》入选工业和信息化部“十四五”规划专著。
彭鑫教授获得复旦大学本科毕业生 “我心目中的好老师”以及复旦大学“研究生心目中的好导师”称号，入选2023年教育部-华为“智能基座”优秀教师，同时担任IEEE软件工程知识体系（SWEBOK）3.0和4.0版编委会成员。赵文耘教授担任教育部软件工程教指委委员。
学术服务 团队承办IEEE全球化软件工程国际会议（ICGSE 2014）、IEEE软件维护与演化国际会议（ICSME 2017）、2022年与2023年CCF中国软件大会等国内外重要学术会议。彭鑫教授担任中国计算机学会软件工程专委会副主任、中国汽车工程学会基础软件分会副主任、SCI期刊《Journal of Software: Evolution and Process》联合主编，以及TOSEM、EMSE、软件学报等多个期刊编委。团队成员常年担任ICSE、FSE、ASE、ISSTA等软件工程顶级国际会议程序委员。
彭鑫教授创办智能化软件开发沙龙，依托沙龙微信群举办了40期线上微访谈活动，反响热烈。团队微信公众号CodeWisdom已形成较大影响力，多篇关于大模型时代软件智能化开发的公众号文章受到广泛关注。
团队围绕智能化软件工程与系统开展研究，具体包括9个研究方向及相应的研究组，即：程序分析与测试、软件供应链风险治理、软件分析与挖掘、软件智能化开发、AI原生与云原生系统、人机物融合系统软件、机器人软件工程、人工智能系统工程、智能汽车与工业软件。目前，团队已围绕相关研究形成良好的产学研合作关系，并瞄准软件智能化开发与维护、开源软件生态治理、AI原生软件应用与系统、人机物融合泛在计算、智能汽车与智能制造基础软件等国家信息产业发展的重大战略需求进行布局。
程序分析与测试
在软件定义一切的时代，质量是软件成功的关键因素之一。面向软件质量保障工具的可靠性和可用性，团队聚焦静态程序分析和软件测试两个领域。我们基于抽象解释理论、内存模型、程序逻辑、程序语言理论和计算机系统等技术，设计和实现了一种多阶段的模块化分析平台；开放的架构助力分析能力的扩展，多阶段闭环迭代机制提升分析精度。我们探索大语言模型和传统测试方法的有机结合，面向移动应用、微服务系统、无人自主系统、网络通信协议等领域研究高效的测试技术。课题组的研究工作获得了国家自然科学基金面上项目和科技部重点研发项目的资助。相关成果发表在软件工程领域的顶级会议 ICSE、FSE、ASE、ISSTA 上，并荣获 ISSTA 杰出论文奖。多个项目成果在企业（荣耀、字节跳动、华为等）落地应用。
软件供应链风险治理
针对日益严峻的软件供应链可信问题，团队围绕安全风险、合规风险、维护风险开展系统性研究工作，突破了基于多源知识的开源漏洞数据增强、融合大模型与程序分析的漏洞传播影响分析、基于漏洞与补丁建模的开源漏洞检测、基于行为建模的恶意组件检测、融合大模型与程序分析的补丁迁移等核心技术，获得了4次杰出论文奖，研制了开源风险治理平台“伏羲”，正在探索大模型赋能的软件供应链风险治理新范式，以及大模型系统的供应链构建与风险治理新难题。3软件分析与挖掘开源社区和大型软件企业的软件开发生态日益繁荣，大量软件在持续的维护演化过程中形成了大规模代码库，还沉淀了代码提交、需求讨论、缺陷分析等大量的开发过程数据。这些多源异构的软件开发数据为全方位理解软件开发生命周期中的各种活动提供了重要基础，是深入分析软件组分之间的相互依赖关系、各种功能的实现机制和演化过程、不同开发参与者的各类贡献的重要数据来源。本方向面向开源软件和企业软件，采用程序分析、演化分析、克隆检测、依赖分析、缺陷检测与追溯等技术，构建软件开发追溯体系，建立开源软件和企业软件研发过程的数字化基座，实现代码辅助理解、代码溯源、开发贡献评估、研发热点与态势研判、开发知识挖掘等多种软件分析与挖掘能力。本方向研制“祝融”代码大数据分析平台，初步应用于软件开发过程监控与状态评估，实现版本级和提交级的代码质量趋势分析、贡献热点分析、开发者关系分析，并与华为、中汇信息、亿通、汇丰科技等企业开展技术合作。后续将进一步强化各类软件研发数据的分析挖掘能力，并利用大模型等智能化基础设施，提升软件开发过程数据解读和演化态势研判的效果。4软件智能化开发大模型与Agent等AI技术的发展打开了软件智能化开发的想象空间，基于AI技术的代码生成、补全和理解工具已经成为开发人员的得力助手。然而，由于系统复杂性这一根本性挑战以及软件开发知识的缺失，大模型与Agent在面对真实软件开发任务时经常出现缺少全局理解、难以整体规划的问题，从而难以适应大规模复杂开源及企业软件开发的需要。为此，我们在深入理解软件开发实践以及软件工程思想的基础上，将大模型、Agent等AI技术与程序分析、演化分析等软件工程技术相结合，实现人机协作的智能化开发、维护与质量保障。针对阻碍复杂软件智能化开发的高层知识缺失问题，我们提出构建共建、共享、与代码同步演化的代码数字孪生，通过高层概念化知识的抽取、组织以及按需的上下文补充，实现生成式应用开发、软件理解与问题定位、仓库级代码生成与问题修复、代码审查与漏洞检测等方面的智能化辅助能力。相关工作多次荣获ACM SIGSOFT以及IEEE TCSE杰出论文奖，与华为、阿里、字节、腾讯等企业开展合作，特性驱动的迭代式软件应用生成、基于代码数字孪生的软件理解与维护支持、静态检查误报消除及逻辑漏洞检测、知识增强的同源漏洞检测等多项成果在企业落地应用。5 AI原生与云原生系统以容器、微服务等为代表的云原生技术给现代软件架构、应用模式等带来了深刻改变，并已成为企业数字化转型的关键支撑技术。同时，以大模型、Agent为代表的AI技术也正在重塑现代应用形态。在此背景下，AI原生与云原生逐渐成为两种代表性的现代应用系统形态，同时二者不断融合、持续推动智能化软件系统创新发展。为此，我们围绕AI原生与云原生系统及应用生态构建方法开展研究，同时针对这类系统的复杂性和不确定性开展智能化运维方法研究。在AI原生应用构建方面，我们针对GUI Agent、Web/API混合Agent以及相关的智能化应用场景开展研究，同时关注相关的智能体上下文工程、鲁棒性及安全性等问题。我们实现并开源了基于大模型的自演进交互式智能体框架Fairy，并在智能体架构优化、智能体能力评估等方面取得了一系列成果。在智能化运维方面，我们针对大模型Agent驱动的云原生软件系统智能化测试、告警治理与故障诊断方法开展研究。我们构建的开源微服务基准系统TrainTicket已被上百家国内外高校和研究机构用于相关研究，研究成果获得软件工程旗舰期刊《IEEE Transactions on Software Engineering》年度最佳论文奖，同时与华为、阿里、字节、腾讯等企业开展合作，系统架构评估、运行时异常检测、告警事件聚合、故障根因定位等研究成果在企业应用。此外，我们还构建了基于大模型Agent的AI云原生软件基准系统，并围绕相关的可观测性体系与智能化运维方法开展研究。
6人机物融合系统软件在人机物三元融合的万物智能互联时代，人机物融合系统软件可类比于传统计算机操作系统，是实现海量异构资源（信息服务、人力众包、物理设备）统一管理、支撑多领域智能化应用构建与运行的核心支柱。本小组围绕人机物融合系统软件的构造与应用开展了系列工作：以边缘云原生技术为基座，研制面向分级分层边缘环境的分布式系统软件，以软件定义的方式实现边缘侧计算、存储、网络、物理设备等异构资源的统一接入与池化；设计覆盖多边缘节点的集群管控与自治，以及跨节点资源互操作机制；构建人机物泛在环境的数字空间孪生，结合低代码与大模型技术支持智能应用的快速构建；依托云边端协同的算力与设备能力调度，支撑应用高效、可靠执行。当前，本小组已经具有无人机、无人车、机器人、边缘计算盒等一系列专用硬件设备，已经研制出基于开源云原生边缘计算框架KubeEdge的云边协同人机物融合系统软件初始版本。在此基础上，小组计划进一步夯实系统软件能力，并在智慧城市设备联动、无人系统集群自治、船岸协同数据互联等真实场景中开展实践验证。7机器人软件工程随着人工智能技术的快速发展，智能机器人正逐步融入日常生活，并在越来越多的实际场景中承担复杂的任务。面对现实环境中对高可靠性长程任务的要求，课题组聚焦于将大模型（LLM、VLA、VLM等）与程序合成技术相结合，研究机器人程序自主生成方法，研究机器人任务执行过程中自主监控及问题检测方法、机器人程序与运行平台相结合的软件自适应方法，研究面向动态环境中机器人程序自主演化方法。课题组的研究受到上海市重大专项的资助，研究成果发表在人工智能领域NeurIPS、IJCAI等顶级会议上，并获得中国软件大会“机器人大模型与具身智能”挑战赛一等奖。8人工智能系统工程针对AI系统复杂异构的软硬件技术栈，团队在应用软件层面围绕模型轻量化、AI系统可信演化、以及AI系统质量保障开展研究工作，旨在实现AI系统的性能提升与可信保障，并在自动驾驶系统等关键领域进行应用；团队在系统软件层面围绕推理加速优化、高性能算子开发、以及编译优化与适配开展研究工作，旨在实现AI系统在各种边端云异构设备上的快速部署与高效运行，并在国产硬件设备上进行应用。9智能汽车与工业软件 工业软件在现代工业制造中扮演着“大脑”与“神经系统”的关键角色，是实现制造系统数字化、网络化与智能化的核心基础。智能汽车则被视为全球制造业的战略制高点，其发展不仅推动技术创新，也加速产业升级。两者均高度依赖系统的安全性、可用性与可靠性，对计算机技术，尤其是软件与人工智能提出了更高的技术要求。本团队以智能汽车与工业软件为主要应用场景，结合软件工程与系统观思想，面向嵌入式系统运行环境的复杂性和需求多样性，系统化开展共性基础软件研究。研究内容包括：分布式实时系统的设计与实现、嵌入式系统的智能化开发方法以及复杂嵌入式系统的功能测试与性能分析。在智能汽车领域，团队聚焦智能驾驶与控制系统，通过实验与仿真验证基础研究成果的有效性；在工业软件领域，则围绕数字孪生系统的构建，重点探索工业生产系统中的设备控制、数据采集与分析等关键技术。该研究旨在构建可复用的软件基础设施和工程方法，为提升智能制造与智能汽车系统的性能、可靠性与柔性化水平提供理论支撑和实践指导。
CodeWisdom一个有知识的软工公众号发现智能化编程之道阅读原文
跳转微信打开
