20 世紀(jì) 60 年代末出現(xiàn)的“軟件危機(jī)”揭示了軟件開(kāi)發(fā)中的諸多問(wèn)題，也是在此時(shí)，軟件工程概念正式誕生。此后，軟件工程的發(fā)展經(jīng)歷了多個(gè)階段。自去年 ChatGPT 帶火大語(yǔ)言模型熱潮后，軟件工程的發(fā)展迎來(lái)了里程碑式的新跨越：大模型增強(qiáng)了自然語(yǔ)言處理能力，使得人機(jī)交互更直觀(guān)，并以協(xié)同者的形式參與到軟件開(kāi)發(fā)的整個(gè)周期中，推動(dòng)了編碼任務(wù)的自動(dòng)化，加快了開(kāi)發(fā)周期和提升軟件產(chǎn)品的質(zhì)量。

如今，大模型已經(jīng)可以在軟件開(kāi)發(fā)的多個(gè)環(huán)節(jié)（如功能設(shè)計(jì)、代碼開(kāi)發(fā)、測(cè)試）中發(fā)揮作用，未來(lái)，大模型的能力邊界還將繼續(xù)擴(kuò)大。越來(lái)越多的開(kāi)發(fā)者擔(dān)心自己在某一天會(huì)被 AI 所取代，甚至有人用“OpenAI 殺死了開(kāi)發(fā)者”來(lái)形容當(dāng)下的困局。一些技術(shù)專(zhuān)家也給出了悲觀(guān)的預(yù)測(cè)：

Fixie 聯(lián)合創(chuàng)始人兼 CEO、前谷歌 Chrome 移動(dòng)團(tuán)隊(duì)工程總監(jiān) Matt Welsh：“程序員這個(gè)工作或許在三五年內(nèi)不復(fù)存在，甚至編程這個(gè)學(xué)科都會(huì)被終結(jié)。”

Stability AI 創(chuàng)始人兼 CEO Emad Mostaque：“五年內(nèi)，人類(lèi)程序員將徹底消失。”

馬斯克：“有一天，人們將告別艱苦的工作，人工智能將接管大部分任務(wù)。”

……

以大模型為代表的 AI 技術(shù)在過(guò)去一年以超乎想象的速度進(jìn)化，不斷重塑我們的生活和工作方式。回溯大模型技術(shù)在軟件開(kāi)發(fā)領(lǐng)域落地應(yīng)用這一年，究竟帶來(lái)了哪些改變？開(kāi)發(fā)者如何應(yīng)對(duì)大模型帶來(lái)的沖擊？在大模型的驅(qū)動(dòng)下，軟件開(kāi)發(fā)又將走向怎樣的未來(lái)？

大模型已經(jīng)成為 軟件工程變革的最大推動(dòng)力 大模型浪潮下，編碼助手走向自動(dòng)化

早在 2020 年，大模型就已經(jīng)在技術(shù)領(lǐng)域得到應(yīng)用，但在當(dāng)時(shí)，大模型還局限在自然語(yǔ)言中。隨著 2022 年 11 月底 ChatGPT 的發(fā)布，以及 GPT-4、LLaMA 等大模型相繼亮相，大模型早已超越了自然語(yǔ)言范疇，發(fā)展到了編程語(yǔ)言。

匯量科技 Mobvista 技術(shù) VP 兼首席架構(gòu)師蔡超認(rèn)為，2023 年 AI 領(lǐng)域的大事件除了包括 GPT-4、LLaMA、Falcon 等大模型的發(fā)布，以 Copilot 形式為代表的大模型技術(shù)在不同領(lǐng)域的應(yīng)用同樣值得關(guān)注，如 Microsoft 365 Copilot、GitHub Copilot 等等，這些 Copilot 讓 AI 真正成為了一個(gè)人類(lèi)的虛擬助手或員工，并深刻地改變很多行業(yè)的工作模式。

與傳統(tǒng)的機(jī)器學(xué)習(xí)方案相比，這波大模型浪潮在編碼助手領(lǐng)域的明顯趨勢(shì)是性能獲得顯著提升、且構(gòu)建門(mén)檻大幅降低：基于大模型的自動(dòng)編碼能力可以遵循設(shè)計(jì)指令，通過(guò)簡(jiǎn)單的自然語(yǔ)言交互生成高質(zhì)量代碼和程序。同時(shí)，項(xiàng)目研發(fā)過(guò)程中形成的數(shù)據(jù)、經(jīng)驗(yàn)和業(yè)務(wù)需求也可以被大模型掌握并轉(zhuǎn)化為通用的軟件工程能力，進(jìn)而取代更多的流程和工具，解決復(fù)雜的開(kāi)發(fā)難點(diǎn)和團(tuán)隊(duì)協(xié)作問(wèn)題。

騰訊機(jī)器學(xué)習(xí)平臺(tái)技術(shù)總監(jiān)、算法負(fù)責(zé)人康戰(zhàn)輝認(rèn)為，大模型浪潮的興起推動(dòng)了 AI 編碼助手邁向自動(dòng)化，并存在以下三大發(fā)展趨勢(shì)：

第一，過(guò)去的 AI 編碼助手主要應(yīng)用于軟件工程領(lǐng)域。但如今，所有通用的大模型都具備編碼功能，這是該領(lǐng)域的一項(xiàng)明顯變革。

第二，盡管過(guò)去存在諸如啟發(fā)式規(guī)則和深度學(xué)習(xí)等方法，但現(xiàn)今的 AI 編碼助手展現(xiàn)出了更高的智能化水平。它們不僅處理代碼輔助輸入和續(xù)寫(xiě)，還能通過(guò)自然語(yǔ)言與人類(lèi)交互，這一特點(diǎn)尤為強(qiáng)大。

第三，大家過(guò)去常談及低代碼或無(wú)代碼的趨勢(shì)，主要通過(guò)拖拽和積木式工具實(shí)現(xiàn)。而今，借助 AI 編碼助手，開(kāi)發(fā)人員和技術(shù)人員只需用自然語(yǔ)言清晰地描述想法，便能輕松實(shí)現(xiàn)低代碼、無(wú)代碼開(kāi)發(fā)。這意味著低代碼、無(wú)代碼的概念已發(fā)生變化。

2023 年，大模型正加速進(jìn)化。最新發(fā)布的 GPT-4 顯著提升了代碼能力，也讓大家看到了其在多個(gè)公開(kāi)代碼測(cè)試集上的出色表現(xiàn)。同時(shí)，LLaMA 等開(kāi)源大模型也加速了 AI 編碼助手在業(yè)界的應(yīng)用，不少企業(yè)基于開(kāi)源大模型進(jìn)行領(lǐng)域增訓(xùn)，代碼版本表現(xiàn)卓越。

“現(xiàn)如今，許多公司可以基于開(kāi)源的代碼模型構(gòu)建自己的 Copilot，進(jìn)一步加速 AI 代碼助手的實(shí)際應(yīng)用。這不僅在閉源和開(kāi)源領(lǐng)域產(chǎn)生了積極影響，還促使更多公司開(kāi)發(fā)自己的代碼助手。隨著 Copilot 概念的普及，各公司正采取多種方式提升效能，深入整個(gè)研發(fā)鏈路。這可能標(biāo)志著 AI 編碼助手領(lǐng)域的一個(gè)重要趨勢(shì)變化。”康戰(zhàn)輝提到，更加值得思考的是，代碼在從大模型中獲取大量世界知識(shí)和邏輯知識(shí)的同時(shí)，也在反哺大模型。

通用大語(yǔ)言模型其邏輯能力的提升在很大程度上得益于代碼續(xù)寫(xiě)。代碼作為一種類(lèi)似于自然語(yǔ)言的表達(dá)方式，為模型提供了豐富的邏輯訓(xùn)練數(shù)據(jù)。由于很多代碼是用英語(yǔ)編寫(xiě)的，其中的保留詞與英語(yǔ)非常相似，這種以自然語(yǔ)言為基礎(chǔ)的代碼符號(hào)實(shí)際上表達(dá)了一種人類(lèi)的邏輯。因此，代碼續(xù)寫(xiě)和大語(yǔ)言模型之間存在著相輔相成的關(guān)系。通過(guò)代碼續(xù)寫(xiě)，大語(yǔ)言模型能夠更好地理解和表達(dá)人類(lèi)的邏輯，從而提升其邏輯推理能力。同時(shí)，大語(yǔ)言模型的發(fā)展也為代碼續(xù)寫(xiě)提供了更強(qiáng)大的工具和平臺(tái)，使得代碼續(xù)寫(xiě)更加高效和準(zhǔn)確。

這種相輔相成的關(guān)系不僅有助于提升大語(yǔ)言模型的邏輯能力，還能夠促進(jìn)代碼續(xù)寫(xiě)的進(jìn)一步發(fā)展。未來(lái)，隨著技術(shù)的不斷進(jìn)步和應(yīng)用場(chǎng)景的不斷擴(kuò)大，代碼續(xù)寫(xiě)和大語(yǔ)言模型將會(huì)在更多領(lǐng)域發(fā)揮其巨大的潛力。

思碼逸創(chuàng)始人兼 CEO 任晶磊認(rèn)為，從長(zhǎng)期來(lái)看，大模型已經(jīng)成為軟件工程變革的最大推動(dòng)力，并有望為軟件開(kāi)發(fā)團(tuán)隊(duì)提供新的人工智力資源和更高效的協(xié)作方式。但短期內(nèi)，大模型的基礎(chǔ)能力未必能夠達(dá)到人們想象中的美好愿望。“所以我們?cè)?2023 年也看到了 GPT 編程的‘冷熱’交替。人們對(duì)大模型的認(rèn)知被推上‘愚昧之巔’，又走向‘絕望之谷’——親歷種種跌宕起伏，我們的心態(tài)也受到很多沖擊。”

大模型時(shí)代下的編碼工具及背后技術(shù)

不少受訪(fǎng)專(zhuān)家提到，在大模型技術(shù)的加持下，編碼工具能力邊界得到了進(jìn)一步拓展。

過(guò)去的編碼工具主要依賴(lài)于語(yǔ)法樹(shù)和部分統(tǒng)計(jì)機(jī)器學(xué)習(xí)技術(shù)，應(yīng)用場(chǎng)景主要是針對(duì)函數(shù)級(jí)的續(xù)寫(xiě)，例如在編寫(xiě)代碼時(shí)，可以快速地利用某個(gè)代碼庫(kù)中的公共功能，但通常只能理解某個(gè)函數(shù)或 API 上下文，然后生成相關(guān)代碼片段，存在一定的局限性。

據(jù)網(wǎng)易杭州研究院人工智能專(zhuān)家、AI 算法團(tuán)隊(duì)負(fù)責(zé)人劉東介紹，目前 IT 行業(yè)主要存在兩大類(lèi)經(jīng)過(guò)大模型改造過(guò)的工具：面向?qū)I(yè)程序員，主要是專(zhuān)注于編程開(kāi)發(fā)環(huán)節(jié)的編碼助手工具產(chǎn)品，包括代碼補(bǔ)全、函數(shù)生成、代碼糾錯(cuò)、Chat 咨詢(xún)開(kāi)發(fā)相關(guān)問(wèn)題，以及簡(jiǎn)單的測(cè)試用例生成，典型工具如在 JetBrains、VSCode 等主流 IDE 中提供智能編程助手插件等。面向數(shù)據(jù)消費(fèi)人員，尤其是業(yè)務(wù)、產(chǎn)品、運(yùn)營(yíng)等非技術(shù)人員，過(guò)去主要是 GUI 形式的 BI 工具，涉及維度、指標(biāo)等概念的理解，門(mén)檻比較高、操作復(fù)雜。目前已有基于大模型的對(duì)話(huà)式 BI 產(chǎn)品，如有數(shù) ChatBI 等，能夠降低非技術(shù)人員取數(shù)門(mén)檻、提升數(shù)據(jù)分析效率。

雖然當(dāng)前主流的 AI 編碼工具與傳統(tǒng)編碼工具存在相似性——都是在主流 IDE 中作為插件產(chǎn)品提供給開(kāi)發(fā)者，但其背后的技術(shù)方案卻存在顯著的差異：在 AIGC 時(shí)代，主要的算法技術(shù)方案是大模型和檢索增強(qiáng)。背后具體又涉及到幾個(gè)關(guān)鍵技術(shù)，如以自然語(yǔ)言為代表的深度學(xué)習(xí)技術(shù)、強(qiáng)化學(xué)習(xí)技術(shù)等。此外，代碼模型需要處理大量的代碼數(shù)據(jù)，同時(shí)還需要通用數(shù)據(jù)來(lái)學(xué)習(xí)背后的邏輯和知識(shí)，因此大模型技術(shù)還包括大數(shù)據(jù)處理能力，特別是處理代碼的能力。

“目前在 AIGC 編程工具中，代碼領(lǐng)域大模型、項(xiàng)目代碼等檢索增強(qiáng)技術(shù)必不可少，對(duì)實(shí)際編程體驗(yàn)都有顯著影響。代碼大模型是讓編程工具更聚焦到編程領(lǐng)域，檢索增強(qiáng)技術(shù)更能有效利用企業(yè)項(xiàng)目代碼或個(gè)人代碼倉(cāng)庫(kù)、以實(shí)現(xiàn)個(gè)性化實(shí)時(shí)信息增強(qiáng)。”網(wǎng)易數(shù)帆人工智能產(chǎn)品線(xiàn)總經(jīng)理胡光龍總結(jié)道。

代碼模型開(kāi)發(fā)有哪些關(guān)鍵點(diǎn)？

隨著大模型熱潮持續(xù)升溫，越來(lái)越多的國(guó)內(nèi)外科技公司參與其中，押注 AI 大模型及相關(guān) AI 應(yīng)用。其中，國(guó)內(nèi)的 AI 大模型包括百度“文心一言”、阿里云“通義千問(wèn)”、騰訊“混元”、華為“盤(pán)古”、網(wǎng)易“玉言”、抖音“云雀”、智譜 AI“ChatGLM”、中科院“紫東太初”、百川智能“百川”、浪潮信息“源”、商湯“日日新”、科大訊飛“星火”等等。值得一提的是，不少大模型都具備編程能力，大模型通過(guò)學(xué)習(xí)大量的代碼樣本，可以理解和生成代碼，甚至可以完成代碼修復(fù)和自動(dòng)編程等任務(wù)。

浪潮信息人工智能軟件研發(fā)總監(jiān)吳韶華認(rèn)為，大模型通常在語(yǔ)言相關(guān)任務(wù)上表現(xiàn)出色，在邏輯和計(jì)算方面相對(duì)較弱。但從 GPT-4 開(kāi)始，編程能力逐漸受到開(kāi)發(fā)者的重視，并成為評(píng)估大模型能力的重要標(biāo)準(zhǔn)。盡管編程能力不一定是大模型的“基本”能力，但當(dāng)前許多大模型確實(shí)具備了一定的編程能力。對(duì)于大模型來(lái)說(shuō)，提升編程能力的關(guān)鍵在于建立代碼更改與人類(lèi)指令之間的聯(lián)系。通過(guò)層次化的自然語(yǔ)言將算法任務(wù)分解，逐步引導(dǎo)模型完成代碼生成。 這種方法對(duì)訓(xùn)練數(shù)據(jù)的質(zhì)量要求極高。為了實(shí)現(xiàn)這一目標(biāo)，開(kāi)發(fā)者需要精心選擇和準(zhǔn)備高質(zhì)量的訓(xùn)練數(shù)據(jù)，以確保模型能夠從中學(xué)習(xí)到有用的知識(shí)和技能。此外，還要不斷優(yōu)化模型的架構(gòu)和訓(xùn)練過(guò)程，以提高模型的編程能力和泛化能力。

據(jù)康戰(zhàn)輝介紹，在代碼模型的開(kāi)發(fā)中，有幾個(gè)關(guān)鍵點(diǎn)不容忽視：

首先，高質(zhì)量的代碼數(shù)據(jù)是基礎(chǔ)。這不僅涉及到數(shù)據(jù)的收集，更重要的是數(shù)據(jù)的清洗。由于編程語(yǔ)言的多樣性，人工干預(yù)在代碼清洗過(guò)程中是必要的，團(tuán)隊(duì)需要理解什么是高質(zhì)量的代碼，這涉及到代碼的格式和實(shí)現(xiàn)質(zhì)量。這就需要領(lǐng)域代碼的專(zhuān)業(yè)人員來(lái)進(jìn)行高質(zhì)量的代碼識(shí)別和清洗，他們能夠識(shí)別出優(yōu)秀的代碼并進(jìn)行整理。

其次，如果代碼存在缺陷或錯(cuò)誤，如何進(jìn)行修正也是關(guān)鍵。這相當(dāng)于為代碼模型提供一些“老師”，以確保模型不僅能學(xué)習(xí)到數(shù)據(jù)，還能糾正錯(cuò)誤。因此，高質(zhì)量的數(shù)據(jù)標(biāo)注對(duì)于模型的表現(xiàn)至關(guān)重要。這需要團(tuán)隊(duì)投入大量的時(shí)間和精力在數(shù)據(jù)清洗和修正上。

此外，安全性是另一個(gè)重要考慮因素。雖然底層代碼可能是安全的，但如果涉及到與用戶(hù)界面的交互，如 SQL 查詢(xún)等，就可能存在 SQL 注入等安全風(fēng)險(xiǎn)，前端代碼也可能存在漏洞。這需要團(tuán)隊(duì)對(duì)領(lǐng)域代碼語(yǔ)言有深入理解，并關(guān)注安全性問(wèn)題。因此，具備綜合能力的人才在解決這些問(wèn)題上將發(fā)揮關(guān)鍵作用。

“總的來(lái)說(shuō)，代碼模型的開(kāi)發(fā)是一個(gè)多目標(biāo)的過(guò)程，既要求對(duì)代碼本身有深刻理解，又要求對(duì)安全性等方面有專(zhuān)業(yè)知識(shí)。這意味著需要各領(lǐng)域的專(zhuān)家，并且需要具備多方面技能的人來(lái)處理這些問(wèn)題。”康戰(zhàn)輝總結(jié)道。

除了基礎(chǔ)大模型，2023 年也涌現(xiàn)出了很多軟件開(kāi)發(fā)垂直領(lǐng)域的專(zhuān)業(yè)模型，以及各種協(xié)助型 AI 編程工具。比如在低代碼平臺(tái)領(lǐng)域，網(wǎng)易數(shù)帆自研玉言 NL2NASL 領(lǐng)域大模型，將低代碼平臺(tái)升級(jí)為 CodeWave 智能開(kāi)發(fā)平臺(tái)，聚焦在以全棧低代碼、智能大模型為基座打造的軟件開(kāi)發(fā)工具平臺(tái)；思碼逸基于 ChatGPT 開(kāi)發(fā)了一款可以輔助研發(fā)效能提升的插件 DevChat，支持 VS Code 和 IntelliJ 多種主流 IDE，將大模型能力送到開(kāi)發(fā)者手邊。

劉東認(rèn)為，大模型在落地應(yīng)用方面有著巨大的想象空間，其中最重要的一個(gè)方向是利用自然語(yǔ)言進(jìn)行人機(jī)交互（LUI），LUI 相比傳統(tǒng)的命令行和 GUI 方式更為便捷和自然。在軟件工程領(lǐng)域，大模型的應(yīng)用目前仍處于探索階段，“大模型在軟件研發(fā)工作流中最大的價(jià)值是輔助人工提效。業(yè)界期望能夠在軟件工程全鏈路中使用大模型，包括項(xiàng)目管理、需求分析、編程開(kāi)發(fā)、智能測(cè)試、部署運(yùn)維等環(huán)節(jié)，期望能提升全鏈路效率，加速軟件開(kāi)發(fā)。”

AI 大模型在研發(fā)效能提升方面 具有獨(dú)特的優(yōu)勢(shì)和潛力

那么，在軟件開(kāi)發(fā)的過(guò)程中應(yīng)用大模型或其他 AI 技術(shù)，實(shí)際體驗(yàn)如何？真的可以提效嗎？

分析公司 O'Reilly 日前發(fā)布的《2023 Generative AI in the Enterprise》報(bào)告指出，越來(lái)越多的開(kāi)發(fā)者正積極在工作中應(yīng)用 AI 技術(shù)：77% 受訪(fǎng)者使用 AI 來(lái)輔助編程；54% 受訪(fǎng)者預(yù)計(jì)，AI 的最大好處是提高生產(chǎn)力；66% 受訪(fǎng)者預(yù)計(jì)，利用 AI 編程是未來(lái)開(kāi)發(fā)人員“最需要的技能”；16% 從事 AI 工作的受訪(fǎng)者表示正在使用開(kāi)源模型。

不少受訪(fǎng)專(zhuān)家在接受 InfoQ 采訪(fǎng)時(shí)也提到，個(gè)人及團(tuán)隊(duì)會(huì)在內(nèi)部研發(fā)中廣泛應(yīng)用大模型，確實(shí)提升了研發(fā)效率。“我們?cè)?2023 年初，GPT3.5-Turbo 發(fā)布之后就開(kāi)始著手將大語(yǔ)言模型應(yīng)用到我們軟件開(kāi)發(fā)過(guò)程中，并且與公司的 DevOps 平臺(tái) MaxCloud 結(jié)合，構(gòu)建了 DevOps Copilot，還開(kāi)發(fā)了我們自己的 VS Code 插件。”蔡超提到，隨著時(shí)間的推移，大模型的應(yīng)用范圍已經(jīng)從最初的運(yùn)維和部署環(huán)節(jié)擴(kuò)展到了軟件開(kāi)發(fā)的全過(guò)程，包括設(shè)計(jì)、編碼、測(cè)試、部署以及線(xiàn)上維護(hù)。從實(shí)際效果來(lái)看，大語(yǔ)言模型在軟件開(kāi)發(fā)中的應(yīng)用取得了顯著成果。“根據(jù)我們的統(tǒng)計(jì)數(shù)據(jù)，現(xiàn)在的使用頻率和代碼生成量都比最初翻了近 10 倍，線(xiàn)上系統(tǒng)的發(fā)布效率及穩(wěn)定性都有很大提升。”

對(duì)于企業(yè)而言，研發(fā)效能的提升至關(guān)重要，甚至有觀(guān)點(diǎn)認(rèn)為，研發(fā)效能高已經(jīng)成為一家科技公司的核心競(jìng)爭(zhēng)力。AI 大模型通過(guò)自動(dòng)學(xué)習(xí)和生成代碼，加快開(kāi)發(fā)速度，減少開(kāi)發(fā)時(shí)間和人力成本，并通過(guò)自動(dòng)化的測(cè)試和優(yōu)化來(lái)進(jìn)一步提高開(kāi)發(fā)效率，提高代碼質(zhì)量和穩(wěn)定性，其在研發(fā)效能提升方面具有獨(dú)特的優(yōu)勢(shì)和潛力，能夠降低人們落實(shí)最佳工程實(shí)踐的阻礙和成本。

任晶磊提到，實(shí)際上，許多開(kāi)發(fā)者并不是不知道什么是最佳工程實(shí)踐，而是由于時(shí)間和精力的限制，或者是因?yàn)槎栊裕辉敢馊プ觥H僅依靠管理者的口頭要求往往很難推動(dòng)實(shí)施。例如，按照規(guī)范編寫(xiě)提交信息、編寫(xiě)單元測(cè)試等，需要開(kāi)發(fā)者付出額外的精力。如果 AI 大模型能夠顯著減少人們?cè)谶@些方面所需的精力消耗，降低成本和阻礙，那么它就能夠有效地推動(dòng)開(kāi)發(fā)者和團(tuán)隊(duì)采取實(shí)際行動(dòng)。因此，AI 大模型的應(yīng)用有望提高開(kāi)發(fā)者的生產(chǎn)力和效率，推動(dòng)軟件開(kāi)發(fā)行業(yè)的持續(xù)發(fā)展。

但一個(gè)事實(shí)是，當(dāng)前大模型的產(chǎn)出還是需要人來(lái)把握和負(fù)責(zé)，類(lèi)似于 L1/L2 級(jí)別的自動(dòng)駕駛，人在其中扮演的角色至關(guān)重要。這也代表著，研發(fā)效能度量本身并沒(méi)有發(fā)生根本性變化，依然可以通過(guò)統(tǒng)計(jì)項(xiàng)目或團(tuán)隊(duì)的需求吞吐、代碼當(dāng)量、缺陷密度等指標(biāo)度量研發(fā)效能。

“從務(wù)實(shí)的角度出發(fā)，我們建議企業(yè)首先將大模型應(yīng)用于效果更加可見(jiàn)的場(chǎng)景中，否則這部分投入很快也會(huì)被管理層挑戰(zhàn)。例如，輔助寫(xiě)好單元測(cè)試，可以提升單元測(cè)試覆蓋率（可見(jiàn)的結(jié)果），特別是覆蓋復(fù)雜度高、被依賴(lài)多的高危函數(shù)（也是可見(jiàn)的結(jié)果）；輔助寫(xiě)好提交消息，項(xiàng)目獲得可讀性更高的提交歷史，效果直接可見(jiàn)，還能方便數(shù)據(jù)分析（比如可以呈現(xiàn)投入在新功能、bug 修復(fù)、重構(gòu)等不同類(lèi)型工作中的代碼當(dāng)量占比）；輔助重構(gòu)代碼，可以直接估算 AI 替代人重復(fù)勞動(dòng)的工作量。行勝于言，這三個(gè)場(chǎng)景正是我們打造 DevChat 過(guò)程中優(yōu)先選擇的重點(diǎn)。”任晶磊說(shuō)道。

OpenAI 殺死了開(kāi)發(fā)者？

新技術(shù)的出現(xiàn)往往會(huì)對(duì)傳統(tǒng)的工作方式和職業(yè)產(chǎn)生沖擊，大模型技術(shù)也是如此。大模型在為開(kāi)發(fā)者帶來(lái)生產(chǎn)力提高等機(jī)遇的同時(shí)，也引發(fā)了大家對(duì)其“是否會(huì)取代開(kāi)發(fā)者”的擔(dān)憂(yōu)，甚至有一種更加極端的聲音認(rèn)為“OpenAI 殺死了開(kāi)發(fā)者”。

表面上看，OpenAI 確實(shí)具備加速殺死大大小小 AI 開(kāi)發(fā)者的能力：從企業(yè)層面來(lái)看，OpenAI 的每次重磅發(fā)布、開(kāi)發(fā)者大會(huì)都會(huì)顛覆原有的市場(chǎng)競(jìng)爭(zhēng)格局，有開(kāi)發(fā)者感嘆“OpenAI 每發(fā)布一個(gè)功能，就消滅了一家初創(chuàng)公司”“OpenAI 殺死了 YC 2023 年整個(gè) batch 的項(xiàng)目”；從個(gè)人層面來(lái)看，自 ChatGPT 發(fā)布以來(lái)，關(guān)于 AI 取代開(kāi)發(fā)者的討論甚囂塵上，更有聲音認(rèn)為“程序員這個(gè)工作或許在三五年內(nèi)不復(fù)存在，甚至編程這個(gè)學(xué)科都會(huì)被終結(jié)”。

不少專(zhuān)家在接受采訪(fǎng)時(shí)表示，“AI 取代開(kāi)發(fā)者”這個(gè)觀(guān)點(diǎn)過(guò)于偏激。吳韶華認(rèn)為，AI 在編程領(lǐng)域的能力還沒(méi)有達(dá)到完全取代開(kāi)發(fā)者的水平，雖然 AI 編程助手可以提高程序員的效率，讓程序員的產(chǎn)出更高質(zhì)更大量，但目前主要還是體現(xiàn)在效率方面。“軟件開(kāi)發(fā)行業(yè)是拼效率的行業(yè)，同樣的產(chǎn)品，誰(shuí)更高效更快速的推向市場(chǎng)，誰(shuí)就能贏得市場(chǎng)的先機(jī)，而沒(méi)有大模型外掛加持的開(kāi)發(fā)者和有大模型加持的開(kāi)發(fā)者，其效率的差距會(huì)越來(lái)越大。因此，對(duì)于軟件開(kāi)發(fā)行業(yè)來(lái)說(shuō)，現(xiàn)在就應(yīng)該毫不猶豫地引入大模型技術(shù)，以提高開(kāi)發(fā)效率。同時(shí)也要考慮將大模型引入到目前的軟件中，給用戶(hù)帶來(lái)更高效流暢的體驗(yàn)。”

胡光龍對(duì)此也有相同的觀(guān)點(diǎn)，當(dāng)前，基于大模型的智能編程工具在實(shí)際業(yè)務(wù)中的應(yīng)用，并沒(méi)有像外界所想象的那樣徹底顛覆現(xiàn)有的軟件開(kāi)發(fā)流程，而是作為一種輔助工具，增強(qiáng)了開(kāi)發(fā)者的能力。在軟件開(kāi)發(fā)流程中，開(kāi)發(fā)者需要承擔(dān)許多職責(zé)，包括需求溝通、評(píng)審、分析建模、架構(gòu)與模塊設(shè)計(jì)、測(cè)試等。實(shí)際上，編碼只占整個(gè)開(kāi)發(fā)流程的約 30%，即使 AI 生成的代碼占比達(dá)到 20%，全鏈路的效率提升也只有 6% 左右，效果并不顯著。

對(duì)于開(kāi)發(fā)者來(lái)說(shuō)，這些智能編程工具是一種新的工具，掌握和使用這些工具可以提升項(xiàng)目開(kāi)發(fā)效率，這是這些工具的最大價(jià)值。在 AI 時(shí)代，開(kāi)發(fā)者需要掌握這些新式編程工具，并利用它們提升自身技能，更好地支持企業(yè)項(xiàng)目并創(chuàng)造價(jià)值。因此，開(kāi)發(fā)者需要積極擁抱這些新技術(shù)，不斷學(xué)習(xí)和適應(yīng)新的開(kāi)發(fā)方式，以保持自身的競(jìng)爭(zhēng)力和適應(yīng)未來(lái)的發(fā)展。

從另一方面來(lái)看，大家對(duì)“OpenAI 殺死了開(kāi)發(fā)者”的擔(dān)憂(yōu)實(shí)際上也在提醒我們：在 AIGC 時(shí)代，“開(kāi)發(fā)者”角色正在被重新定義。AI 技術(shù)正在軟件開(kāi)發(fā)領(lǐng)域扮演越來(lái)越重要的角色，它通過(guò)自動(dòng)化重復(fù)性任務(wù)和提供深入見(jiàn)解來(lái)改變軟件開(kāi)發(fā)流程，并賦予了開(kāi)發(fā)者新的涵義。蔡超認(rèn)為，在 AI 時(shí)代，開(kāi)發(fā)者不再只是編寫(xiě)代碼的人，而是需要具備利用 AI 工具來(lái)提高生產(chǎn)效率和創(chuàng)造力的能力。這個(gè)時(shí)代的開(kāi)發(fā)者應(yīng)該是一個(gè)能夠與 AI 合作，利用 AI 的能力來(lái)解決更復(fù)雜問(wèn)題的創(chuàng)新者。“所以說(shuō)，OpenAI 并沒(méi)有殺死開(kāi)發(fā)者，而是在推動(dòng)開(kāi)發(fā)者向更高層次的角色轉(zhuǎn)變。”

與其擔(dān)心被 AI 取代，開(kāi)發(fā)者真正的挑戰(zhàn)是如何更好地與 AI 合作，積極探索與 AI 的協(xié)作方式。在 AI 大模型的驅(qū)動(dòng)下，軟件開(kāi)發(fā)過(guò)程將變得更加自動(dòng)化，因此在開(kāi)發(fā)過(guò)程中，開(kāi)發(fā)人員的角色也可能會(huì)發(fā)生變化。比如，測(cè)試人員將更加側(cè)重于驗(yàn)證模型生成的代碼是否滿(mǎn)足需求和質(zhì)量標(biāo)準(zhǔn)，研發(fā)人員還需要額外關(guān)注模型的持續(xù)學(xué)習(xí)和優(yōu)化，以確保軟件能夠適應(yīng)不斷變化的需求。“總的來(lái)說(shuō)，由大語(yǔ)言模型驅(qū)動(dòng)的軟件開(kāi)發(fā)可能會(huì)使一些角色變得不那么重要，而另一些角色變得更加關(guān)鍵。特別是，編碼工作可能會(huì)減少，而對(duì)于理解和指導(dǎo)模型的能力的需求可能會(huì)增加。”蔡超總結(jié)道。

未來(lái)，大模型將如何 改變軟件研發(fā)工作流？

盡管當(dāng)前各式大模型及 AI 編碼工具百花齊放，但我們還需清晰地認(rèn)知到，目前大模型還不能生成復(fù)雜項(xiàng)目級(jí)別的代碼。不少受訪(fǎng)專(zhuān)家提到，當(dāng)前 GPT-4 依然是天花板，國(guó)內(nèi)大模型仍在追趕中。預(yù)計(jì) 2024 年，基于大模型的編程能力的工具軟件將逐漸落地，越來(lái)越多的開(kāi)發(fā)者將開(kāi)始使用大模型進(jìn)行輔助編程。隨著用戶(hù)基數(shù)的增加，大模型的編程能力將進(jìn)一步提升，最終達(dá)到易用好用的目標(biāo)。

展望未來(lái)，下一代生產(chǎn)力工具應(yīng)該是什么樣子的？不少專(zhuān)家表示，下一代生產(chǎn)力工具不僅僅是一個(gè)知識(shí)庫(kù)，更是一個(gè)具備強(qiáng)大推理能力和多模態(tài)理解能力的伙伴。它能夠根據(jù)不同的外界輸入進(jìn)行推理，并提供精準(zhǔn)的答案和建議。這種伙伴關(guān)系可以幫助我們更好地應(yīng)對(duì)各種挑戰(zhàn)，提高工作效率和創(chuàng)造力，并肩作戰(zhàn)，取長(zhǎng)補(bǔ)短。

“理想中的編程工具應(yīng)該是用戶(hù)只需描述需求，軟件就能自動(dòng)完成開(kāi)發(fā)。這種工具需要具備自動(dòng)完成需求分析、接口定義、編碼開(kāi)發(fā)、自動(dòng)測(cè)試和發(fā)布部署等功能。然而，根據(jù)目前的 AIGC 技術(shù)原理，實(shí)現(xiàn)這一目標(biāo)可能還有一定難度。未來(lái)，我們可以關(guān)注低代碼 +AIGC、多模態(tài)和 Agent 等方向的發(fā)展。”胡光龍?zhí)岬健?/p>

從短期和長(zhǎng)期視角來(lái)看，康戰(zhàn)輝認(rèn)為短期內(nèi)需要探索如何利用大模型來(lái)快速生成原型。例如，根據(jù)用戶(hù)的需求和設(shè)計(jì)，快速生成出相應(yīng)的模塊框架圖和原型。這需要開(kāi)發(fā)者克服一些技術(shù)挑戰(zhàn)，比如如何將設(shè)計(jì)轉(zhuǎn)化為模型可理解的形式，如何保證生成的原型的質(zhì)量和功能等。從長(zhǎng)期來(lái)看，我們有望實(shí)現(xiàn)更為遠(yuǎn)大的目標(biāo)。例如，給定一個(gè)原型圖，模型能夠自動(dòng)構(gòu)建出一個(gè)完整的原型，包括前端和后端的實(shí)現(xiàn)。這需要我們解決一些關(guān)鍵的技術(shù)問(wèn)題，如如何將圖形信息轉(zhuǎn)化為代碼，如何處理底層邏輯和復(fù)雜的模塊組織等。

“總之，要讓大模型在軟件開(kāi)發(fā)領(lǐng)域發(fā)揮更大的作用，我們需要不斷提升其多模態(tài)的能力、推理能力和復(fù)雜模塊組織能力。這將有助于提高開(kāi)發(fā)者的效率和軟件的質(zhì)量，進(jìn)一步推動(dòng)軟件開(kāi)發(fā)行業(yè)的發(fā)展。”康戰(zhàn)輝總結(jié)道。

審核編輯：劉清