说米网

2024年的AI编程究竟什么实力?近来，谷歌的工程主管Addy Osmani，为咱们提醒了AI辅佐编码在一线开发中的真实状况。
2024年，AI编程已然渗透了各行各业，影响着软件的整个生命周期。
网易免费空间,那么问题来了，AI coding用过都说好，但咱们平常用的软件咋感觉没啥前进呢?
近来，Addy Osmani，谷歌的工程主管，同时也是一位亚马逊畅销书作家，为咱们提醒了AI辅佐编码在一线开发中的真实状况。
码农怎么用AI?
一般来说，团队利用AI进行开发有两种不同的形式:「引导程序（bootstrappers）」 和 「迭代器(iterators)」。两者都在帮助工程师(甚至对错技术用户)缩小从主意到履行的差距。
Bootstrappers

这一类包含Bolt， v0， 和screenshot-to-code等AI东西，其特色为:
从规划或大略概念开端;
运用AI生成完好的初始代码库;
能够在几小时或几天内取得作业原型;
专心于快速验证和迭代
这样的作业流令人形象深入。比如一位独立开发人员能够运用Bolt，在短时间内将Figma规划转变为有效的Web应用程序。尽管达不到生产级别的要求，但用来取得开端的用户反应绰绰有余。
图片
Iterators

这一类主要担任日常开发作业流程，包含Cursor、Cline、C o pilot和WindSurf等东西，效果没有上面那么浮夸，但愈加实在，比如:
完结代码、提供主张;
履行杂乱的重构使命;
生成测验和文档;
作为解决问题的「结对程序员」
尽管这两种办法都能够大大加快开发速度，但「天下没有免费的午饭」。
「AI速度」的隐性成本

高档工程师运用Cursor或C opilot等AI东西，能够在几分钟内建立整个功用的基架，并完结测验和文档，就像变魔术相同。
但仔细观察就会发现，在参考AI主张的同时，资深工程师们还会:
将生成的代码重构为更小的模块;
增加边际状况处理;
优化类型定义和接口;
增加全面的错误处理;
甚至是质疑AI给出的架构
换句话说，他们正在用多年积累的工程才智，刻画和限制AI的输出。AI担任加快代码完成，但人类的专业知识确保代码的可保护性。
图片
而初级工程师就常常错过这些要害步骤。他们更容易接受AI的输出，从而导致所谓的「纸牌屋代码（house of cards code）」——看起来很完好，但在实际世界的压力下会溃散。
知识悖论

所以实际上，比较于初学者，AI反而更能帮助有经历的开发人员，——这多少有点反直觉。
高档工程师利用AI快速构建主意的原型（了解）、生成根本完成(可改善)、探究已知问题的替代办法等等;
而初学者却常常接受不正确或过时的解决方案、忽略要害的安全性和功能问题、不知道怎么调试AI生成的代码，终究构建了一个自己不完全了解的软弱体系。
70% problem
运用AI进行编码的非工程师，常常遇到一个窘境:他们能够出人意料地迅速完结70%的作业，但最终的30%就相当苦楚了。
图片
「70% problem」提醒了AI辅佐开发的现状，刚开端如有神助，后来被实际按在地上冲突。
实际状况通常是:
尝试修正一个小错误——>
AI提出了一个似乎合理的更改——>
这个更改破坏了其他一些东西——>
要求AI修正新问题——>
又产生了两个新bug——>
无限循环
这个循环对于非工程师来说尤其苦楚，由于他们缺少专业知识来了解真实出了什么问题。
有经历的开发人员遇到bug时，能够依据多年的形式识别来推理潜在原因和解决方案。假如没有这个背景，那根本上便是在用自己不完全了解的代码「打地鼠」。
学习悖论

还有一个更深层次的问题:让非工程师运用AI编码东西，实际上可能会阻碍学习。
代码生成了、运转了，但「开发者」不了解根本原理，此刻，他错过了学习根本形式、没有培育调试技术、无法对架构决议计划进行推理，而这份代码又需求保护和扩展。
所以，「开发者」不断返回AI来解决问题，而没有培育自己处理问题的专业才能。
非工程师运用AI编码东西的最好办法可能是「混合形式」:
1. 运用AI进行快速原型规划
2. 花点时间了解生成的代码是怎么作业的
3. 学习根本的编程概念以及AI运用
4. 逐步建立知识基础
5. 将AI用作学习东西，而不只仅是代码生成器
但这需求耐心和奉献精神，与许多人运用AI东西的目标恰恰相反。
「70% problem」表明，当前的AI还不是许多人期望的那个AI。最终30%的作业（使软件可用于生产、可保护等），依然需求真实的工程知识。
最佳实践

Addy Osmani观察了几十个团队，总结了一些最佳实践办法:
「AI初稿」形式
让 AI 生成根本完成;手动检查和模块化重构;增加全面的错误处理;编写全面的测验;记载要害决议计划。
「持续对话」形式
为每个不同的使命开端新的AI聊天;坚持上下文集中和最小;常常查看和提交更改;坚持严密的反应循环。
「信任但验证」形式
运用AI生成初始代码;手动检查一切要害路径;边际事例的自动测验;定期安全审计。
AI的真实远景?
尽管存在这些挑战，但作者对AI在软件开发中的效果持乐观态度。要害是要充分利用AI的真实优势:
加快已知AI拿手帮助完成咱们已经了解的形式，就像有一个无限耐心的结对程序员，他能够十分快速地打字。
探究可能性AI十分适合快速构建主意原型和探究不同的办法，就像一个沙箱，咱们能够在其中快速测验概念。
自动化例程AI大大减少了花在样板和日常编码使命上的时间，让咱们能够专心于有趣的问题。
假如您刚刚开端AI辅佐开发，作者的主张是，先从小处着手。
将AI用于非耦合的、定义明确的使命，查看生成的每一行代码，逐步构建更大的功用。
过程中坚持模块化:将一切内容分解为小的重点文件，在组件之间坚持明晰的接口，记载模块的鸿沟。
重要的一点是，相信自己的经历:AI用来加快而不能替代你的判别、感觉不对劲时要质疑、时间保护自己的工程标准。
Agent鼓起

跟着咱们进入2025年，AI辅佐开发的格式正在产生巨大变化。尽管当前的东西已经改变了原型规划和迭代办法，但咱们正处于更重要转型的风口浪尖:智能体（Agent）软件工程的鼓起。
图片
智能体体系不只能够呼应提示，还将以越来越高的自主性规划、履行和迭代解决方案。
比如Anthropic的Claude能够运用计算机，或许Cline自动发动浏览器和运转测验的才能。
在调试过程中，智能体体系不只给出修正bug的主张，还能够:
自动识别潜在问题、发动和运转测验套件、检查UI元素并捕获屏幕截图、提出并施行修正、验证解决方案是否有效。
下一代东西将能够无缝集成视觉了解（UI 屏幕截图、模型、图表）、口头言语对话和环境交互(浏览器、终端、API)。
图片
未来的AI不是替代开发人员，而是成为一个越来越有才能的协作者，既能够采纳自动，又能尊重人类的辅导和专业知识。