Inteligência Artificial
Desenvolvimento de Software
Produtividade
Ferramentas de IA
Liderança Técnica

软件开发流程中的人工智能:从生成片段到编排

人工智能在开发流程中的全景:将聊天响应复制到直接作用于代码的工具的演变。

软件开发流程中的人工智能:从生成片段到编排

不久前,在开发中使用人工智能还是一种笨拙的仪式。您在聊天窗口中描述了问题,收到了一段代码,将其复制,粘贴到编辑器中,调整并调整它。人工智能存在于您的工作流程之外,就像您通过文本咨询的聪明同事一样。

这种模式已经过时了。这些工具离开聊天并进入存储库。这对工具的改变小于其角色的改变。

本文概述了开发流程的走向,以及为什么重要的技能不再是写作而是编排。

复制粘贴阶段

正在开发的第一代人工智能是通用对话助理。您打开 ChatGPT,清楚地解释了上下文,并收到了不知道其代码、约定或依赖项的响应。

它有效,但有摩擦。 AI没有看到它的设计。每个问题都从头开始。您是工具和代码之间的管道,手动来回复制。

它对于回答问题和生成样板文件很有用。这对于任何需要整个项目背景的事情都是不利的。几乎每一个真正的工作都需要它。

这个模型还有一个隐藏成本:翻译。你花费了精力向人工智能解释你的存储库中已经存在的上下文。每一次对话都是一次练习,向无法查看的工具描述显而易见的事情。这种摩擦限制了小型、独立任务的使用,而这些任务恰恰是最没有价值的。

AI进入编辑器

第二代将人工智能带入您的工作环境。 GitHub [Copilot0 推广了在线建议:你输入,它就会完成,并且知道打开的文件。

[Cursor1] 进一步将整个编辑器视为上下文。它不是完成一行,而是理解项目,通过一条指令编辑多个文件并讨论代码库,而无需您粘贴任何内容。

实际差异很大。人工智能开始看到你所看到的。复制和粘贴的摩擦消失了。但这项工作的核心仍然是你开车,让人工智能完成句子。

AI 作用于存储库

当前一代是游戏规则的改变者。像 [Claude Code2´ 和 GitHub Copilot 的代理模式这样的工具不再建议:它们会执行。

您描述一个任务,该工具会检查多个文件,进行更改,运行测试,读取输出,修复损坏的内容,并打开拉取请求供您查看。它在存储库中充当协作者,而不是自动完成者。

这包括以前太无聊而无法根据具体情况实现自动化的任务:编写无人编写的测试套件、将整个模块重构为新标准、更新依赖项并调整所有受影响的调用、记录未记录的代码。如果您想深入了解这些工具之一,我写过[Claude Code3 是什么以及[它与 Cursor 和 Copilot4 相比如何]。

工作性质发生变化。您停止编写每一行并开始定义任务,观察执行情况并判断结果。

论文:从打字到编排和审阅

这是中心点。当人工智能快速、大量地生成代码时,打字就不再是工作了。这项工作包括明确定义需要做什么并严格审查已完成的事情。

编排是将问题分解为工具可以执行的任务,提供足够的上下文,将步骤链接在一起并知道何时进行干预。审查是以批判的眼光阅读返回的内容,因为人工智能会自信地犯错误,并且错误会被包含在看起来正确的代码中。

分解和审查这两种技能一直是优秀高级工程师的标志。不同之处在于,现在它们的价值不仅仅是键盘速度,而这正是高效初级员工的独特之处。

对于那些将自己的身份建立在编写代码技能之上的人来说,这是一种令人不安的价值倒置。但这是水流的方向。

这里有一个有用的相似之处。评价一名优秀的工程经理不再看他写了多少代码,而是看他指导、审查和释放团队的能力。人工智能代理正在将单个工程师推向同一逻辑的更小版本。你成为了一个不知疲倦、快速、过于字面化的合作者的经理,他完全按照你的要求去做,包括你提出的不好的要求。懂得问好、要求结果,事半功倍。

为什么信任不伴随着采用

数据证实这种转变是真实的,而且是谨慎进行的。在 2025 年 Stack Overflow 调查中,超过 4.9 万名受访者中,51% 的专业开发人员每天都使用人工智能。这不是周末实验,而是例行公事。

然而,信任并没有随之而来。更多的开发人员不信任这些工具的准确性,而不是信任。日常使用伴随着怀疑,这是健康的。

这正是一个人在精心策划而不是盲目授权的标志。你每天使用它是因为它有效,你每天回顾它是因为你知道你会犯错误。问题在于盲目信任,而不是不信任。

这对团队有什么要求

采用此流程并不是分发许可证并期待魔法。这是重新设计实践。

这意味着对任务定义进行投资:模糊的指令会产生模糊的结果,而返回的质量取决于您要求的质量。这意味着加强代码审查,因为要审查的东西量增加了。这意味着要制定明确的规则,规定工具可以单独触及哪些内容以及需要人类控制哪些内容。

这也意味着重新考虑资历。在人工智能产生琐碎的流程中,留给人类的工作正是需要判断的。非常初级的团队可以通过代理赚取更多的人均收入,但他们需要强大的审阅者,否则他们会积累没有人真正理解的代码。团队的组成与选择的工具一样重要。

协调良好的团队可以通过相同的人员交付更多成果。一个只加快打字速度的团队会在同一个人身上带来更多错误。区别在于过程,而不是工具。

如果您仍然在代码中使用人工智能作为单独的聊天,请尝试使用一种在存储库上执行真实的低风险任务的工具,例如为稳定的模块编写测试。角色的转变很快就变得明显。自然的下一步是了解[执行端到端任务的人工智能代理5]。

来源:[Stack Overflow 调查 20256.

另请阅读

  • [软件开发中的人工智能代理:采用治理7
  • [什么是SDLC与AI:软件周期反思8
  • [如何在团队中采用克劳德准则而不变得一团糟9
  • [信任人工智能生成的代码:每个技术领导者需要面对的悖论10
  • [SDLC各个阶段的人工智能:技术领导者的分阶段指南11
  • 【什么是克劳德守则(以及为什么技术领导者应该关注)12