嘉宾|徐晓强 采访|张晓楠 撰稿|李美涵 出品 | 51CTO技术栈（微信号：blog51cto） 自从生成式AI大火以后，AI好像“杠上了”程序员这个角色。 几乎每隔一段时间，关于AI编程工具是否能取代程序员的话题就会被再次讨论。 AI编程所激起的热议，令人感到困惑：这是否会掀起一场编程领域的生产力革命？还是，这又是一场过度炒作的噱头？ 大厂们是探索这个答案的先行者。因为AI编程，百度实现了10%的人效提升，今天工程师提交的新增代码中有27%由AI生成。 然而，作为百度Comate架构师，也是这款产品的首个用户，徐晓强非常反对“开发者将被编程工具替代”的这个说法。在研发和架构方面的工作经验，让他坚信人类的决策力和创新力有着无可取代的价值。 “工具是帮助人类去做到更好，工具本身不是用来替代人类的。”他在采访中多次表达了自己的这个观点，“人类的决策和创新能力，永远优于模型。” 不过，他也敏锐地注意到，随着AI的介入，软件工程领域确实正在经历一些根本性的变化。研发流程中的角色边界正在模糊，开发者与AI协同工作的新范式时代将要来临。 作为Comate的深度使用者，徐晓强在直播中分享了许多自己使用编程工具的方法和心得，他建议用户应该尽可能多的练习这项工具，达到“熟能生巧”。 徐晓强设想中的AI编程终局，是遥远而伟大的。在编程工具迎来质变的飞跃之后，他期待人们能以更平等、更加对话的方式与AI协同开发，甚至超越语言直接在意识层面进行交互，以抵达“人人都是程序员”的终极蓝图。 以下是访谈要点： 目前，AI编程产品正从横向和纵向上持续提升产品能力，以回应更多的“真需求”。辅助编程工具代替不了开发者，工具的目的是与人更好地进行协作，从而增强人的能力。AI的能力边界：在信息的深入理解、多模态信息处理及创新能力方面仍有着巨大的短板。软件工程3.0时代，将是人与AI协同工作的新范式时代，研发流程将被重构，需求工程成为核心。AI编程的隐私与版权问题需要技术和法律层面的“双管齐下”。对话将成为未来AI编程工具的主要交互手段，编程产品从研发场景向非研发场景覆盖。采访内容如下： 1.AI完成了百度27%的新增代码，编程工具解决“真需求”需要用户多摸索AIGC实战派：现在有一种论调，说AI编程可能会极大程度的颠覆与编程有关的职位，这个观点也引起了一些恐慌。但另一方面，很多人会发现用AI进行编程的效率远远没有我们想象中那么高。 AI编程的巨大热度究竟是因为需求所在，还是有噱头的成分在里面？ 徐晓强: 我们先抛开这些观点，去看看现在的事实情况。 首先，尽管AI编程工具的普及和接受需要时间，但AI编程的市场热度有目共睹，并且会出现越来越多的落地案例和商业价值。 其次，AI编程产品会继续进化，以回应更多的“真需求”。拿我们自己的产品Comate 2.0来说，我们正在不断地努力从纵向和横向维度上提升产品能力。 横向上，我们希望AI编程能够覆盖更广泛的研发场景。比如利用RAG技术深入理解项目及代码，从而在多种场景下提升研发效率。在纵向上，希望AI能够在某一个行业或者某一个场景下打深打透。 最后，AI编程工具的提效效果可能因个人和组织而异，用户需要培养使用习惯、找到与工具的契合点。为了更好地与AI工具合作，用户应该清晰地描述需求，将AI视为一个有问必答的私人助手，不断探索和交互。 除此之外，还有很多开发者可以利用AI编程作为学习工具，了解不熟悉的语言、框架和代码实现思路，甚至可以深入追问实现细节。 可以说，在编程领域AI提效并非噱头。自大模型技术兴起以来，百度实现了10%的人效提升，工程师提交的代码中有27%是由AI生成的，用户的采纳率达到了46%。现在，百度有80%的工程师使用AI工具辅助开发。 更进一步说，工程师们感受到了新一代工具所带来的变化，这不仅是工作效率的提升，也增加了工作的幸福感。 AIGC实战派：在采用AI编程的时候，有没有什么方式可以更好地发挥工具的潜力？ 徐晓强: 我觉得还是要多去尝试。渐渐地你能找到感觉：什么场景下，AI做得比人要快。通过这样一个个场景的积累，工具会逐步达到你所预期的效果。 AIGC实战派：刚才您也提到了百度每天新增的代码中，有27%由Comate生成。那么会有人担心，当自己公司的研发团队更多地使用AI编程工具后，是不是会导致裁员？ 徐晓强：最开始的时候，我们也困惑和担心会出现这种情况。但随着对AI编程有了更深入的使用和理解，我意识到提升效率不是让工具取代人类，而是让工具与人更好地协作，从而增强人的能力。 目前AI还没有发展到能让编程、让开发者这个职业消失的阶段。不过，就像汽车的诞生之于马车夫一样——即使有一天达到这个阶段，也无需过度担心。 2.人类的决策和创新价值永存，程序员不必担心被取代AIGC实战派：我们可以在多大程度上寄希望于AI编程工具，工具会不会有能力的极限？ 徐晓强：要聊AI编程的能力边界，我觉得先要看工具的核心优势在什么地方。我认为主要在具有这三个特点的任务中：高度重复性、简单、琐碎。 相应的，在要求创造性、决策性以及复杂的场景中，AI的能力达不到优秀的标准。我觉得它的能力主要受限于以下几个方面。 第一，模型本身对于信息的理解还不够深入。尽管我们有了更大规模的模型，但对代码的理解仍然不够好。我认为，代码属于信息密度较低的载体，它的诞生并不是为模型、机器服务的，而是在人和机器的语言之间寻找到一个平衡。所以，AI凭借代码无法掌握全局，这就会极大的削弱决策的准确性。 第二，人类信息的存储和传输方式多样，而AI对多模态信息如流程图、类图的理解能力有限。这也是当下一个非常热门的研究方向。 第三，从模型的原理出发，AI作为概率模型，其输出受限于已有知识，缺乏创造力。普通用户难以自行调整AI的提示（prompt），需要prompt工程师这样的专业角色介入。 最后，AI对专业领域的知识理解尚浅，无论是私域知识还是专业领域知识，都需要进一步加强。 基于上述因素，AI在某些场景下的表现是有边界的。需要人类作为桥梁，根据具体问题进行分析，去决定哪些任务交给AI去完成，哪些由自己完成会更好。这是人类将永远优于模型的领域。 AIGC实战派：假设有个不具备编程能力的人，他如果借助足够强大的辅助编程工具，是否可以实现一些程序员正在做的工作呢？ 徐晓强：我觉得目前已经一定程度上达到了这种效果。 AIGC实战派：但真正具有创造性和挑战性的代码工作，还是需要程序员来完成？ 徐晓强: 对。 AIGC实战派：从这个角度来说，程序员们是不是就不需要担心自己将被替代的事情。 徐晓强: 对。我觉得可以完全不用担心这些。 3.向软件工程3.0时代迈进，AI协同工作将重塑研发流程AIGC实战派：现在，很多人会提到一个词“软件工程新范式”。在AI的冲击之下，软件工程会有哪些变化？从业者应该怎么看待和应对这些转变？ 徐晓强：是的。最近软件工程3.0的概念变得比较火，虽然我认为现在也仅是达到3.0时代的起点。 回顾软件工程范式的演变，1.0时代的软件工程真正规范化了软件开发和团队协作流程。但这种方法在实际开发中显得不够敏捷，交付过程也不够流畅。进入2.0时代，开发变得敏捷、基础设施不断完善，以云计算和SaaS为代表，在思维方式和产品形态上与1.0时代相比发生了重大变化。 至于到3.0时代，我并不认为我们进入了一个由工具驱动变革的阶段。大模型（LLM）在各方面展现出的潜力使它扮演了催化剂的角色，而非主导变革。以前，为每个开发者提供一个与自己协同工作的角色是不现实的，但在今天，我们正处于与AI协同工作的新范式时代。 AI协同工作方式能在以下几方面给我们带来工作上的提升：首先，AI能简略实际工作中的操作步骤。 其次，AI减少了我切换任务的成本，使我能在一个界面内依赖它完成提问、熟悉项目、理解和查找信息等工作，它就像我的左膀右臂。目前，我们与AI的协作还处于指令模式，但未来AI可能会做到更多，例如简单的决策任务等，这样我们才能达到真正的人机协同新模式。 随着AI的介入，软件工程领域确实正在经历一些根本性的变化。研发流程将被重构，需求工程变成了交付的起点和终点，当前版本的功能上限可能就是新需求的起点，不断推动产品迭代。 同时，AI的出现也使得角色划分变得模糊。现在，产品经理可能利用大模型快速生成原型，而承担了部分开发的工作，类似的动态能力有助于团队更直观地理解和评估产品概念。 我认为，人机协同的方式和交付模式的变革，以及整个链条式的变化，将共同推动软件工程的演进。 AIGC实战派：刚才说到3.0时代还没有正式开始，在这个过渡的阶段中，会不会产生一些新的关键角色？ 徐晓强：对，我们已经注意到出现了一些新的变化。例如，最近有个比较火的新职位——提示词工程师（prompt engineer）。这个职位以前并不存在，它其实是从研发或产品角色演变而来的。这表明，随着AI的融入，对原有职位的要求正在更新，同时也在形成更加专业化的细分领域，让拥有这些技能的人可以发挥更大的价值。 AIGC实战派：新的角色会以什么方式加入企业呢？是在企业内部产生，还是说需要通过招聘来实现？ 徐晓强: 我认为，对于在AI原生应用的开发来说，提示词工程师（prompt engineer）是一个不可或缺的角色。不过从目前看，这个角色实在太新了，市场上难以找到经验丰富的人选。因此，我们通常会通过内部转岗，比如从研发或产品经理转型，来填补这一角色。转型过程中，我们会参考其他优秀实践，将成功的实践沉淀下来。 另外，我们也会在工具层面做支撑。在百度内部，为了支持整个链路的运作，我们开发了一系列工具，比如Comate stack、Playground等。 AIGC实战派：刚才您说AI创造了新的岗位让人眼前一亮，但话锋一转说，其实我们有很多的产品功能可以填补这些岗位的需要……（是不是相当于没有新的岗位被创造出来？） 徐晓强: 那倒不是，我觉得工具是帮助人类去做到更好，工具本身不是用来替代人类的。 4.隐私与版权问题的解决，需要技术与法律的双管齐下AIGC实战派：去年GitHub推出的AI编程工具遇到了一个诉讼，AI写了一段代码，但这个代码被证明并不是原创，诉讼围绕着侵权问题展开。我们在使用编程工具的时候，应该怎么样去规避这样的问题？ 徐晓强: 这是一个很新的问题，无论是立法还是从判例来看，都缺乏足够的参考。我觉得这其实是两个层面的问题。第一层问题是技术问题，第二层是法律问题。 在技术层面，有很多的技术解法，更多地是去做防御。我们致力于确保技术的可靠性和合规性，比如在模型训练时，识别并避免分发具有版权保护的代码片段。从产品层面，要保证数据的合规传输，确保用户交互过程的数据和隐私安全。 从法律层面上来看，需要立法来解决相关问题，保护大多数人的利益。实际上民间已经有一些行动，今年我们作为生成式大模型智能开发标准的核心参编单位，去编写大模型原则、数据安全相关的保障条例。所以有理由去相信，在不久的将来，整个法律层面会更完善更有依据，为行业的发展提供支撑。 AIGC实战派：徐老师说的这点很有启发，刚才我们讨论的问题，也并不是大模型时代独有的。因为大模型受到了很多关注，而且一部分的人对AI编程技术还存在着怀疑，那么出现的个案（的负面影响）可能就会被放大。 徐晓强: 对。 5.AI编码的终局需要质变，将迎来更平等、更自然地交互方式AIGC实战派：随着AI编程工具的不断发展和演进，最终会迭代调优到什么样子？我们好奇所谓的AI编码的终极形态。 徐晓强: 长期来看，我觉得终局会与现在的产品有非常大的质变。 首先是人机交互方式上的变化。目前，我们的交互主要是通过键盘输入，我主动提供信息给机器，让机器分析和理解我的意图。未来，我们能否以更平等、更加对话的方式，甚至超越语言直接在意识层面进行交互，这将是一个全新的体验。 第二点，我刚才也有提到过一些想法，就是信息载体在未来的变化，可能使得不再需要代码这个概念。我相信，未来将会出现模型及其周边应用的新形态，这些应用将运行在模型之上，用户与AI的交互不再依赖于代码或数据的传输。从而向最终“人人都是程序员”的终极目标迈进。 设想一个场景，加入我需要生成一个邀请朋友们参加派对的应用程序时，我只需要用一句话简单表达我的需求，AI就能为我创建并发送这个应用，让朋友们能直接回复是否参加，以及他们的想法和礼物选择。 回到现实，这种理想状态还相对遥远。 AIGC实战派：这款产品接下来有哪些计划？ 徐晓强: 在Comate的发展上，我有两个主要的期望。首先，我们希望能够扩展它，以覆盖更多的研发场景，甚至于应用到非研发场景中，从而帮助各种不同的角色在开发和软件工程协同工作中提升效率。 其次，我也希望Comate能在垂直在开发领域中，为开发中的需求分析提供更深入的支持。帮助大家在使用过程中能够更容易上手，快速地达到熟练水平，获得更好的成果。 来源： 51CTO技术栈