- Published on
AI 编程真的起飞了吗？
- Authors
- Name
- 青雲
最近几天深度体验了 AI 编程，借助 AI 完成了三个难度循序渐进的小项目。从项目开发到上线，每个项目平均耗时竟都不到 1 天，效率着实惊人。
一、项目介绍
- 时间戳转换工具：支持时间戳与日期之间的精准转换 ，多时区时钟功能，能实时进行不同时区时间的换算，支持快速复制。
- 中文播客推荐：推荐热门的中文播客，支持在线播放，进度条预览，倍速控制，快捷键操作，播放配置和播放进度都能本地保存，下次使用时可直接延续之前的状态。
- 在线 Markdown 编辑器：支持 Markdwon 编辑和预览，提供编辑工具栏，还集成了表情选择器。编辑器支持多种主题切换，包括编辑器主题和代码高亮主题，并且完全适配暗色模式。同时具备文件导入导出功能，并且支持本地缓存。
二、感受
先说结论：
积极方面：
- 效率显著提升：借助 AI 编程，原本需要耗费大量时间的代码编写工作得以快速完成，大大缩短了项目开发周期。
- 降低技术门槛：即使是编程基础薄弱的人员，也能借助 AI 的能力，完成原本具有一定难度的编程任务。
不足之处：
- 应用范围有限：目前 AI 编程更适用于简单应用的开发，面对复杂应用的开发需求时，会显得力不从心。
- 仍需人工审核：AI 生成的代码并非万无一失，仍需要人工进行仔细检查。而且在处理复杂问题时，只有具备相关经验的人员，才能找到有效的解决办法，单纯依靠 AI 很容易陷入死胡同。
- AI 的随机性影响效率：AI 对输入的提示词极为敏感，随意更改提示词，就可能生成截然不同的代码。并且在修改代码中的某个问题时，可能会意外影响到其他原本正常的部分，引发新的问题，甚至陷入死循环，导致效率大幅降低。
一句话总结，AI 编程目前的表现，就像是一个拥有较强搜索能力且具备一定编程基础的初级工程师。
- 能高效完成基础功能代码编写，像开发简单工具类应用。
- 能辅助资深程序员生成代码片段，提升整体开发效率。
- 能通过示例代码帮助编程新手理解编程逻辑与语法规则，完成重复性、规律性高的代码编写任务，节省人力和时间成本。
三、思考
工作流的转变
随着 AI 编程的发展，其能力边界不断拓展，未来的软件开发工作流或许将发生如下变革：
- 提出想法
- 生成需求文档：
- AI 自动整合各方信息，快速生成全面精准文档。
- 按不同利益相关者视角生成多版本，如技术、业务、客户版。
- 人工审核确保符合项目背景与目标。
- 生成设计稿：
- AI 依据需求文档生成基础设计，结合流行风格与最佳实践提供多方案，设计稿具交互性。
- 人工设计师专注创意与个性化加工，提升品牌特色。
- 生成测试用例与技术方案：
- AI 利用算法和学习能力，自动生成全面高效测试用例，覆盖边界与异常场景。
- 针对不同技术栈与需求，快速生成多技术方案并分析优缺点、成本与时间预估。
- 人工审核把关，确保符合技术标准与业务需求。
- 开发阶段：
- AI 自动完成大部分基础代码编写，实时监测质量并提供优化建议。
- 及时发现常见错误与漏洞并给出修复建议，开发者专注核心业务与复杂功能。
- 自动化测试：
- AI 自动执行测试用例，分析问题根源，提供详细报告与修复建议，可自动修复简单错误。
- 线上问题处理：
- AI 快速收集分析数据，定位问题并提供初步方案。
- 人工深入调试修复，确保问题彻底解决。
- 用户反馈环节：
- AI 自动分类分析海量反馈，提取价值信息与需求改进点。
- 自动生成需求与问题修复流程初步方案，团队审核调整以持续优化迭代。
AI 编程时代的关键能力
在这样的时代背景下，我们需要具备以下能力，也面临着相应的机会点：
- 想法的提出：尽管 AI 能够提供基于海量数据与市场趋势分析的参考信息，但提出想法本质上仍需人为主导。人类凭借独特的创造力、同理心以及对生活细致入微的观察，能够精准洞察用户痛点，挖掘出那些尚未被满足的深层次需求。这就要求我们深入了解业务的各个环节，深度挖掘潜在的市场需求，从而为项目方向提供不可替代的核心思路。
- 技术方案和代码 review：要拥有丰富的架构设计和编程经验，以此判断采用何种技术方案最为合适。当遇到问题时，能够凭借经验给出切实可行的指导性意见。从发展趋势来看，基础编程岗位可能会有所减少，但经验丰富，尤其是具备跨方向知识与技能，拥有复合能力的工程师，如横跨前端与后端开发、兼具算法设计与数据分析能力，或是精通软件开发且深谙业务逻辑的工程师，或许会迎来更多的工作机会 。
- 学习能力：知识获取将变得愈发便捷，我们要具备快速学习新知识的能力，并将其灵活应用到项目开发和调试过程中，紧跟技术发展的步伐。