> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coze.cn/llms.txt
> Use this file to discover all available pages before exploring further.
## 客户介绍 {#27f2f9b3}
豆包 MarsCode 是基于豆包大模型的智能开发工具，所提供的 AI 编程助手，具备代码补全、智能问答、代码解释和代码修复等多项功能。其底层强大的 AI 应用能力基于扣子罗盘搭建、评测和调优。
## 业务挑战 {#4df008cf}
豆包 MarsCode AI 编程助手是一款具备对话式交互功能的代码生成助手，其底层包括众多精心设计的 Prompt，各 Prompt 之间存在着极为复杂的关联模式，涵盖了顺序调用、并行调用以及树状层级嵌套等多元且深度耦合的结构关系 ，以实现对各类编程任务的高效、精准处理。
此前，MarsCode 团队采用代码与传统开发者工具相结合的方式维护 Prompt。在调试阶段，需借助传统开发者工具手动调整 Prompt 内容，完成调整后提交至线上，与应用中的其他大模型组件串联，才能开展进一步评测与调优工作。而在调优环节，针对 Prompt 单组件维度的评测，只能通过编写脚本的人工方式进行，获取评测结果后，再进行定向的人工分析，并跟进调优动作。在此过程中，业务面临着一系列挑战：
1. **Prompt 场景调试手段匮乏**：在 AI 应用场景下，基于大模型实时调试 Prompt，或者对比不同大模型进行调试，是提升性能的关键环节。然而，目前却缺少专门针对此类场景的有效调试手段。
2. **Prompt 评测手段不规范**：评测对于 AI 应用效果调优至关重要，当前 Prompt 评测走线下流程，评测数据、评测规则、评测报告维护散乱；评测报告与评测数据关系需要手动维护，容易丢失、出错，且评测过程无法回溯；评测规则经常调整，无法系统化的管理。以上情况严重影响了 AI 应用的整体调优效率。
3. **多人协作流程与工具不完善**：在多人协作开展 Prompt 调试与发布工作时，缺乏一套清晰、可控的流程与工具。这导致团队成员之间沟通成本增加，工作协同性降低，难以高效推进项目进展。
## 解决方案 {#c69464eb}
针对以上问题，MarsCode 团队使用扣子罗盘的 Prompt 功能统一进行调试和调优工作，扣子罗盘提供了如下能力：
1. **Prompt 版本管理**：扣子罗盘提供集中化的 Prompt 管理能力，支持多人协作及版本管理。用户在调试完成后，可以直接将最新版本提交至线上，无需改动代码即可实现热更新。
****
> 备注：业务数据敏感，因此使用 Demo 数据示意产品功能
2. **配 Prompt 场景的调试手段**：用户使用扣子罗盘调试 Prompt 时可选择主流的模型，如豆包、DeepSeek 等；同时扣子罗盘提供自由对比模式，支持同模型不同 Prompt、同 Prompt 不同模型对比调试等，用户可快速验证 Prompt 效果，进一步调优之后发布至线上。
> 备注：业务数据敏感，因此使用 Demo 数据示意产品功能
3. **Prompt 效果评测能力**：扣子罗盘的 Prompt 与评测功能深度集成，用户在扣子罗盘上提交 Prompt 新版本后，可直接前往评测功能模块，选择最新版本的 Prompt 进行评测以进一步优化，提高 AI 应用整体效果。
## 客户收益 {#048899b3}
MarsCode AI 编程助手基于扣子罗盘统一管理 Prompt，并结合本地业务的动态渲染能力，实现了高效且灵活的管理方式，有效解决早期迭代效率低、灵活性差的问题。与此同时，Prompt 和评测能力深度打通，使得用户能够持续、高效地开展评测工作，给后续 AI 应用的深度效果调优提供基础。
## 客户原声 {#dfdff7ad}
目前我们在线 Prompt 管理、数据观测、问题排查都是使用扣子罗盘完成的。
-- MarsCode 研发工程师
> * 数据来源：本页面所展示的客户案例相关数据均由客户方提供。