4小时前
|
|
|
你有没有发现，虽然 AI 辅助编程工具让大家写代码的速度飞快，但我们日常使用的软件好像并没有变得更“好”？这篇文章就来聊聊这个有趣的现象，以及它背后隐藏的关于软件开发的深刻道理。
### AI 编程的两种玩法
文章作者观察到，公司里面的高级程序员和低级程序员，使用 AI 的方式是不一样的。
高级程序员并不完全信任 AI 的输出，只是用 AI 加速项目。他们一般会审查和重构 AI 生成的代码，对于 AI 的架构决策也是抱着怀疑的态度。
初级程序员更倾向于跳过审查和重构，全盘接受 AI 的输出，从而导致"纸牌屋式"的代码：看起来能发挥作用，一旦投入使用就会崩溃。
我不知道，AI 未来会不会替代程序员，但是现阶段，AI 编程还不能解决100%的软件问题，但已经可以解决70%的问题。这相当于，AI 可以减轻高级程序员70%的工作量。
剩下的30%，依然需要依靠程序员的经验和专业知识，而初级程序员恰恰缺少的是这30%。
所以，听起来可能违反直觉：AI 对高级程序员比对初级程序员帮助更大，更容易产生工作成果。
现阶段的 AI，更像团队中的一个非常有干劲的初级程序员，可以快速编写代码，但需要不断的监督和纠正。你知道的越多，你就越能指导它。
所以，AI 的正确用法是，高级程序员用它来加速他们已经知道如何做的事情，初级程序员用它来学习该做什么。
### 经验越丰富，AI 越好用？“知识悖论”来了！
最让人意外的是，AI 工具似乎对经验丰富的开发者更有帮助！这听起来有点反直觉，难道 AI 不能让编程变得更“大众化”吗？
作者认为，AI 就像一个特别“勤奋”的初级开发者，写代码很快，但需要你时刻“盯着”和“纠正”。你懂得越多，就越能“驾驭”它。
这就形成了一个“**知识悖论**”：
* **资深开发者**：用 AI 加速他们本就擅长的事情。
* **初级开发者**：试图用 AI 来“学习”该做什么。
结果可想而知，差异巨大。
### 如何让 AI 成为真正的“学习伙伴”？
那些成功运用 AI 编程的非技术人员，通常会采取一种“混合模式”：
1. 用 AI 快速做出原型。
2. 花时间去理解生成的代码。
3. 边用 AI 边学习基础编程概念。
4. 逐步建立自己的知识体系。
5. 把 AI 当作学习工具，而不仅仅是代码生成器。
但这需要耐心，这恰恰是很多人想通过 AI 来规避的。
所以，AI 编程工具目前更适合：
* **资深开发者**：加速他们的原型开发。
* **学习者**：作为辅助学习的工具，前提是他们愿意深入理解。
* **快速验证想法**：生成 MVP 来测试市场反应。
但它们还不是那个能真正“普及”编程的万能钥匙。让软件变得“生产就绪”、易于维护和稳定可靠的最后 30%，仍然需要扎实的工程知识。
### 拥抱 AI，但别忘了工程的“老本行”
作者给出了几点实用的建议，帮助大家更好地利用 AI：
* **让 AI 生成基础实现**：然后手动审查和重构。
* **添加完善的错误处理和测试**：这是保证软件质量的关键。
* **保持代码模块化**：方便管理和维护。
* **每次 AI 交互聚焦一个任务**：保持上下文清晰。
* **频繁审查和提交代码**：及时发现问题。
AI 在软件开发中的作用，主要体现在三个方面：
1. **加速已知**：帮你实现你已经理解的模式。
2. **探索可能**：快速原型化，尝试不同方案。
3. **自动化常规**：减少重复性工作，让你专注于核心问题。
如果你刚开始接触 AI 辅助开发，不妨：
* **从小处着手**：先用在独立、明确的任务上。
* **保持模块化**：将代码拆分成小而专注的文件。
* **相信你的经验**：用 AI 来增强，而不是取代你的判断。
🫵 来啊，说点有用的废话!
▲
