AI辅助编码将如何改变软件工程：更需要经验丰富的工程师

95 0 0

文章摘要

生成式 AI 正在深刻改变软件开发的方式，尤其是大语言模型（LLM）在代码生成方面的表现尤为突出。自 2022 年 11 月 ChatGPT 问世以来，LLM 的应用迅速扩展，编程语言的简洁性和大量开源代码的训练数据使得 AI 在代码生成方面表现出色。调查显示，约 75% 的开发者已在软件工程中使用 AI 工具，但这一领域仍处于早期阶段，未来更复杂的 AI 智能体可能成为 2025 年创新的核心。

尽管主流媒体对 AI 是否会取代软件工程师的讨论甚嚣尘上，但这些观点多来自非技术背景的作者，未能充分理解 AI 工具的效率和局限性。AI 工具确实能够加速开发，但并未显著提升软件质量。Addy Osmani 作为谷歌 Chrome 开发者体验负责人，深入观察了 AI 工具在软件开发中的应用，并总结出“70% 问题”：AI 可以快速完成 70% 的工作，但剩下的 30% 仍需要工程师的专业知识和经验。

AI 工具的使用模式主要分为“加速器”和“迭代器”两种。“加速器”模式帮助团队快速从概念到最小可行产品，而“迭代器”模式则用于日常开发中的代码补全、重构和测试生成。然而，这两种模式都伴随着隐藏成本，尤其是“70% 问题”揭示了 AI 工具在解决复杂问题时的局限性。经验丰富的开发者能够更好地利用 AI 工具，而初学者则容易陷入“纸牌屋代码”的陷阱，即代码看似完整，但缺乏可维护性和健壮性。

AI 工具对经验丰富的开发者帮助更大，而非初学者，这一现象被称为“知识悖论”。资深工程师能够利用 AI 加速已知任务的完成，而初级开发者则可能依赖 AI 生成代码，却无法理解其背后的原理，导致调试和维护困难。AI 工具虽然能够加速开发，但并不能取代工程师的专业判断和经验。

未来，随着 AI 智能体的兴起，软件开发将进入一个更加自主和协作的时代。AI 智能体不仅能够响应指令，还能够主动规划、执行和迭代解决方案。多模态能力的引入将使 AI 工具能够处理视觉、语言和环境交互，进一步提升其应用范围。然而，AI 智能体的成功依赖于人类的指导和专业知识，未来的高效团队将是人类与 AI 智能体紧密协作的结果。

尽管 AI 工具让快速构建软件变得更容易，但软件质量的提升仍然依赖于人类的判断和工程纪律。AI 并没有让软件明显变得更好，因为软件质量的提升并非主要受限于编码速度，而是需要深入理解需求、设计可维护的系统、处理边缘情况以及确保安全性和性能。AI 工具可以加速迭代和实验，但最终的目标是构建更好的软件，而非仅仅更快地编写更多代码。

总的来说，AI 工具在软件开发中的应用前景广阔，但它们的作用是辅助而非替代。经验丰富的开发者将能够更高效地利用这些工具，而初学者则需要通过 AI 工具逐步积累知识和经验。未来，随着 AI 智能体的发展，软件开发将进入一个更加自主和协作的时代，但人类的专业判断和工程纪律仍然是确保软件质量的关键。