AI编程:机遇与挑战并存
随着2024年AI技术的迅猛发展,AI应用已渗透到各行各业,在视频生成、AI推理等领域大放异彩,Cursor、Github Copilot、Claude3.5 Artifacts等编程领域的 AI 应用更是层出不穷。
谈及AI编程(AI Coding),不仅标志着新型编程工具与效率提升手段的出现,更预示着软件开发领域的一次深刻范式转变。
据业内人士分析,在拿着锤子找钉子的大模型赛道中,代码/编程领域展现出了独特态势:其他领域仍处于不断探索产品市场匹配(PMF)的阶段,而代码领域在一定程度上已经成功实现了产品市场匹配。
第一次 PMF的应用形态是 Copilot,主要的功能发生在代码补全,比如写一个函数,AI 可以直接补全代码。
第二次PMF是以自然语言的形式与 AI对话,AI可以理解用户需求,直接生成代码,即从单纯的代码补全、跨文件的补全,到 Chat 层面的变化。
金现代轻骑兵低代码平台智能生成代码示意
根据普华永道发布的2025年AI预测:在软件开发/编程领域,AI能够加速设计迭代、虚拟测试和问题排查,有望将产品开发周期缩短一半,并提高产品个性化程度。
金现代基于智谱华章GLM大语言模型构建了低代码领域的专有大模型,实现了数据模型的自动生成、表单自动构建、智能模块推荐等功能,使低代码开发平台具备利用自然语言对话编程的能力,可以使开发效率提升50%-80%。
虽然前景无限,但其变革之路绝非坦途。上下文理解、系统思维和持续学习仍然是AI编程(AI Coding)需攻克的三座大山。
上下文理解:与刚性的编程语言不同,自然语言有歧义、隐喻,且意义依赖语境。例如,“打印”在文印店指打印文件,而在软件公司可能指软件操作。同时,“高效”和“快速”是否相同?“登录”和“注册”是否独立?AI需庞大的知识库和强大的分析能力来识别这些微妙差异。
系统思维:软件系统像一台精密机器,各部件需完美配合。需要AI具备全局视野,平衡局部与整体。
持续学习:软件开发环境、需求和技术不断变化。AI需比人类更快学习,通过爬虫、数据分析等技术,汲取网络上的新知识;通过自然语言处理,快速吸收论文、专利等非结构化知识;通过案例库、知识图谱等方式,将分散的经验系统化、结构化。
面对以上挑战,需要探索人类与AI之间更加高效灵活的协作方式,同时需要更多人参与到智能编程中,以加速新型编程工具的出现,推动软件开发领域的变革。