編譯丨諾亞

出品 | 51CTO技術(shù)棧（微信號：blog51cto）

隨著AI技術(shù)的發(fā)展，如今學習編程或許比以往任何時候都更加容易。但最新研究揭示了AI輔助編程工具對代碼質(zhì)量的影響并不盡如人意。

一、代碼攪動上升至7.1% 

該研究由開發(fā)者分析公司GitClear基于對1.5億行代碼變更數(shù)據(jù)的深入分析得出，其中三分之二的數(shù)據(jù)來源于同意匿名共享數(shù)據(jù)的私營企業(yè)，三分之一則主要來自谷歌、臉書和微軟等公司的開源項目。

值得注意的是，GitHub的Copilot自2021年6月進入測試階段以來，迅速引領(lǐng)了AI編碼潮流，目前已有超過百萬名付費訂閱用戶，并且據(jù)其CEO托馬斯·多姆克透露，在啟用Copilot功能的文件中，開發(fā)者完成任務(wù)的速度提升了55%，并且46%的代碼內(nèi)容是由Copilot協(xié)助完成的。

然而，GitClear的研究重點并非單純關(guān)注代碼的數(shù)量，而是更加關(guān)注代碼質(zhì)量本身。研究發(fā)現(xiàn)，AI助手傾向于提供“新增代碼的建議，但從未給出更新、移動或刪除代碼的建議”。研究人員還推測，“代碼建議算法傾向于提出最有可能被采納的建議”，而忽視了編寫簡潔易讀代碼的重要性。

圖片

由GitClear分析的代碼變更趨勢（如上圖）表明，新增、刪除、更新和復制粘貼的代碼數(shù)量達到了前所未有的高度，而代碼被移動的情況卻在減少。他們還注意到“代碼攪動”（指一定時間范圍內(nèi)對同一段代碼的改動，是“異常”的代碼改動，體現(xiàn)代碼的返工程度）上升到了7.1%，相較于2020年的3.3%有顯著增長。   

這些趨勢背后的原因尚未明確，但研究人員認為這可能與日益普遍采用AI編碼技術(shù)有關(guān)。對于更多復制粘貼代碼的現(xiàn)象，他們嚴厲批評稱“對長期代碼可維護性而言，沒有比這更大的禍患了”。

過度使用復制粘貼并不是一個新問題。開發(fā)人員這樣做可能是因為當時覺得這種方式比找出如何重用現(xiàn)有代碼更快更容易，或是因為項目中多位開發(fā)者之間溝通不暢，或者從示例或編程問答網(wǎng)站上復制了過多代碼。

GitClear的研究人員并未就如何解決識別出的問題提供太多解決方案，而是將這些問題留作后續(xù)研究的課題，盡管他們建議工程負責人應(yīng)“監(jiān)測輸入數(shù)據(jù)并考慮其對未來產(chǎn)品維護的影響”。

二、不要簡單地復制和粘貼

AI編碼助手并不會消失，反而可能會不斷改進，如同所有新興工具一樣，開發(fā)者要學習如何優(yōu)化它們的使用方法。但對于一部分開發(fā)人員包括初學編程的新手來說，如何理性使用這種工具并防止養(yǎng)成依賴性屬實是一個難題。

正如一個開發(fā)人員所說：“我在某個問題上卡住時，很容易就會想求助于ChatGPT這樣的工具，它能輕易幫我找到正確答案。這類輔助工具擅長生成簡單的代碼，其中一些甚至能在你描述問題后直接給出完整的解決方案?！辈贿^，他很快意識到，這種習慣一旦養(yǎng)成，實際上弊大于利。

如前文所述，機器生成的代碼并不總是有用，并且可能會降低代碼庫的質(zhì)量。如果只是簡單復制并粘貼AI助手生成的代碼到源代碼中，往往會導致新的錯誤出現(xiàn)，因為這段代碼可能與程序其余部分不協(xié)調(diào)。嘗試修復這些錯誤可能會相當棘手，特別是當你不清楚生成的代碼具體含義時。很多人有時很難分辨錯誤是因為代碼本身有問題，還是因為在錯誤的上下文中使用了它。

《笨辦法學Python》的作者Zed Shaw建議：“如果有人想要利用當前這一批AI工具學習編程，他們應(yīng)該帶著兩個目標來著手：首先，花時間學習足夠多的編程知識，以便了解工具生成的是什么內(nèi)容；其次，承擔起‘代碼審查員’的角色，學會如何識別并改進低質(zhì)量代碼。”

程序員應(yīng)當具備發(fā)現(xiàn)機器生成代碼中的錯誤的能力，而不應(yīng)完全依賴于這些智能助手。他們尤其需要注意防止明顯的版權(quán)代碼未經(jīng)許可混入模型輸出的結(jié)果中。

密歇根大學信息學院計算機科學教授Charles Severance指出：“ChatGPT給出解決方案的速度非?？欤⑶移浠卮鹜ǔ０b在諸如‘我認為這應(yīng)該能解決你的問題……’這樣令人安心的措辭中，這使我們?nèi)菀钻P(guān)閉批判性思考模式，不再像應(yīng)該的那樣仔細審視其提供的解決方案。”

Severance補充說：“始終假設(shè)ChatGPT是一個比你技能較低的程序員。使用AI工具的唯一安全方法是當你確信它產(chǎn)生的解決方案是正確的時候。”這意味著作為開發(fā)者，我們要保持警覺和獨立判斷，確保AI提出的方案既符合需求也無潛在風險，同時通過自身的專業(yè)知識進行驗證和完善。

三、明確問題并進行準確的表述

GitHub的首席產(chǎn)品官Inbal Shani強調(diào)，要有效地使用AI編程工具，用戶首先必須明確自己的問題，并在輸入提示中清晰地表述出來。GitHub Copilot等工具返回代碼的質(zhì)量直接取決于提問的方式和問題的描述準確性。

她建議，用戶應(yīng)當像與同事交談那樣與Copilot互動，提供盡可能詳盡的上下文信息，包括解決問題的目標、意圖以及所處階段，這樣就能獲得更好的反饋，因為AI能夠基于更多背景信息進行更深入的搜索，從而找到合適的代碼片段或推薦相應(yīng)的測試架構(gòu)。

卡內(nèi)基梅隆大學的助理教授Phillip Compeau對此觀點表示贊同。他認為現(xiàn)今使用的編程語言越來越趨向于人類自然語言的表達方式，而聊天工具正是這一演變過程中的下一步。在教學過程中，Compeau會引導初學編程的學生先不依賴AI技術(shù)，但對已掌握基礎(chǔ)編程知識的高級學生，則教導他們?nèi)绾斡行Ю眠@類工具提高工作效率。

Compeau表示：“我向?qū)W生們展示的一點是，從AI工具生成代碼中獲取簡潔、正確答案的最佳方法是你能夠準確無誤地闡述計算機需要執(zhí)行的具體任務(wù)。這恰恰是對編程的定義，隨著時代的發(fā)展，我們所使用的編程語言已經(jīng)愈發(fā)貼近人類語言；聊天工具則是這種演進道路上的一個新階段。”

在編程中，確定程序應(yīng)完成什么功能、如何運作及出現(xiàn)問題時的排查至關(guān)重要。這些核心技能只能通過長期堅持實踐逐漸培養(yǎng)起來。如果想成為一名合格的軟件開發(fā)者，單純依賴AI是無法繞過這個學習過程的。然而，若能明智地運用AI工具，的確可以加速提升編程能力，并有望成為一個優(yōu)秀的程序員——甚至可能在這個過程中享受到樂趣。

參考鏈接：

https://www.theregister.com/2024/01/27/ai_coding_automatic/

https://devclass.com/2024/01/24/ai-assistance-is-leading-to-lower-code-quality-claim-researchers/