专栏名称: 新智元
智能+中国主平台,致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展,关注人机融合、人工智能和机器人革命对人类社会与文明进化的影响,领航中国新智能时代。
目录
相关文章推荐
爱可可-爱生活  ·  【[207星]Deep Research ... ·  昨天  
爱可可-爱生活  ·  通俗版解读 查看图片-20250210071805 ·  昨天  
爱可可-爱生活  ·  【[29星]Episodic Memory ... ·  3 天前  
爱可可-爱生活  ·  【[966星]Typr:Neovim上最漂亮 ... ·  3 天前  
新智元  ·  Ilya又回来了!神秘初创SSI估值200亿 ... ·  3 天前  
51好读  ›  专栏  ›  新智元

2024年AI编程有多强?谷歌工程主管揭秘残酷真相

新智元  · 公众号  · AI  · 2024-12-31 12:22

正文



新智元报道

编辑:alan
【新智元导读】 2024年的AI编程到底什么实力?近日,谷歌的工程主管Addy Osmani,为我们揭示了AI辅助编码在一线开发中的真实情况。

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。

那么问题来了,AI coding用过都说好,但我们平时用的软件咋感觉没啥进步呢?

近日,Addy Osmani,谷歌的工程主管,同时也是一位亚马逊畅销书作家,为我们揭示了AI辅助编码在一线开发中的真实情况。

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模式:「引导程序(bootstrappers)」 和 「迭代器(iterators)」。两者都在帮助工程师(甚至是非技术用户)缩小从想法到执行的差距。

Bootstrappers

这一类包括Bolt, v0, 和screenshot-to-code等AI工具,其特点为:

从设计或粗略概念开始;

使用AI生成完整的初始代码库;

能够在几小时或几天内获得工作原型;

专注于快速验证和迭代

这样的工作流令人印象深刻。比如一位独立开发人员可以使用Bolt,在短时间内将Figma设计转变为有效的Web应用程序。尽管达不到生产级别的要求,但用来获得初步的用户反馈绰绰有余。

Iterators

这一类主要负责日常开发工作流程,包括Cursor、Cline、Copilot和WindSurf等工具,效果没有上面那么浮夸,但更加实在,比如:

完成代码、提供建议;

执行复杂的重构任务;

生成测试和文档;

作为解决问题的「结对程序员」

虽然这两种方法都可以大大加快开发速度,但「天下没有免费的午餐」。

「AI速度」的隐性成本

高级工程师使用Cursor或Copilot等AI工具,可以在几分钟内搭建整个功能的基架,并完成测试和文档,就像变魔术一样。

但仔细观察就会发现,在参考AI建议的同时,资深工程师们还会:

将生成的代码重构为更小的模块;

添加边缘情况处理;

优化类型定义和接口;

添加全面的错误处理;

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智慧,塑造和限制AI的输出。AI负责加速代码实现,但人类的专业知识确保代码的可维护性。

而初级工程师就经常错过这些关键步骤。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)」——看起来很完整,但在现实世界的压力下会崩溃。

知识悖论

所以实际上,相比于初学者,AI反而更能帮助有经验的开发人员,——这多少有点反直觉。

高级工程师利用AI快速构建想法的原型(理解)、生成基本实现(可改进)、探索已知问题的替代方法等等;

而初学者却经常接受不正确或过时的解决方案、忽略关键的安全性和性能问题、不知道如何调试AI生成的代码,最终构建了一个自己不完全理解的脆弱系统。

70% problem

使用AI进行编码的非工程师,经常遇到一个窘境: 他们可以出人意料地迅速完成70%的工作,但最后的30%就相当痛苦了。

「70% problem」揭示了AI辅助开发的现状,刚开始如有神助,后来被现实按在地上摩擦。

实际情况通常是:

尝试修复一个小错误——>

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修复新问题——>

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痛苦,因为他们缺乏专业知识来理解真正出了什么问题。

有经验的开发人员遇到bug时,可以根据多年的模式识别来推理潜在原因和解决方案。如果没有这个背景,那基本上就是在用自己不完全理解的代码「打地鼠」。

学习悖论

还有一个更深层次的问题:让非工程师使用AI编码工具,实际上可能会阻碍学习。

代码生成了、运行了,但「开发者」不了解基本原理,此时,他错过了学习基本模式、没有培养调试技能、无法对架构决策进行推理,而这份代码又需要维护和扩展。

于是,「开发者」不断返回AI来解决问题,而没有培养自己处理问题的专业能力。

非工程师使用AI编码工具的最好方式可能是「混合模式」:

1. 使用AI进行快速原型设计

2. 花点时间了解生成的代码是如何工作的

3. 学习基本的编程概念以及AI使用

4. 逐步建立知识基础

5. 将AI用作学习工具,而不仅仅是代码生成器

但这需要耐心和奉献精神,与许多人使用AI工具的目标恰恰相反。

「70% problem」表明,当前的AI还不是许多人希望的那个AI。最后30%的工作(使软件可用于生产、可维护等),仍然需要真正的工程知识。

最佳实践

Addy Osmani观察了几十个团队,总结了一些最佳实践方式:

「AI初稿」模式

让 AI 生成基本实现;手动审查和模块化重构;添加全面的错误处理;编写全面的测试;记录关键决策。

「持续对话」模式

为每个不同的任务开始新的AI聊天;保持上下文集中和最小;经常查看和提交更改;保持紧密的反馈循环。

「信任但验证」模式

使用AI生成初始代码;手动审查所有关键路径;边缘案例的自动测试;定期安全审计。







请到「今天看啥」查看全文