2024年，AI編程已然滲透了各行各業，影響著軟件的整個生命周期。

那么問題來了，AI coding用過都說好，但我們平時用的軟件咋感覺沒啥進步呢？

近日，Addy Osmani，谷歌的工程主管，同時也是一位亞馬遜暢銷書作家，為我們揭示了AI輔助編碼在一線開發中的真實情況。

碼農怎么用AI？

一般來說，團隊利用AI進行開發有兩種不同的模式：「引導程序（bootstrappers）」 和 「迭代器（iterators）」。兩者都在幫助工程師（甚至是非技術用戶）縮小從想法到執行的差距。

Bootstrappers

這一類包括Bolt, v0, 和screenshot-to-code等AI工具，其特點為：

從設計或粗略概念開始；

使用AI生成完整的初始代碼庫；

能夠在幾小時或幾天內獲得工作原型；

專注于快速驗證和迭代

這樣的工作流令人印象深刻。比如一位獨立開發人員可以使用Bolt，在短時間內將Figma設計轉變為有效的Web應用程序。盡管達不到生產級別的要求，但用來獲得初步的用戶反饋綽綽有余。

Iterators

這一類主要負責日常開發工作流程，包括Cursor、Cline、Copilot和WindSurf等工具，效果沒有上面那么浮夸，但更加實在，比如：

完成代碼、提供建議；

執行復雜的重構任務；

生成測試和文檔；

作為解決問題的「結對程序員」

雖然這兩種方法都可以大大加快開發速度，但「天下沒有免費的午餐」。

「AI速度」的隱性成本

高級工程師使用Cursor或Copilot等AI工具，可以在幾分鐘內搭建整個功能的基架，并完成測試和文檔，就像變魔術一樣。

但仔細觀察就會發現，在參考AI建議的同時，資深工程師們還會：

將生成的代碼重構為更小的模塊；

添加邊緣情況處理；

優化類型定義和接口；

添加全面的錯誤處理；

甚至是質疑AI給出的架構

換句話說，他們正在用多年積累的工程智慧，塑造和限制AI的輸出。AI負責加速代碼實現，但人類的專業知識確保代碼的可維護性。

而初級工程師就經常錯過這些關鍵步驟。他們更容易接受AI的輸出，從而導致所謂的「紙牌屋代碼（house of cards code）」——看起來很完整，但在現實世界的壓力下會崩潰。

知識悖論

所以實際上，相比于初學者，AI反而更能幫助有經驗的開發人員，——這多少有點反直覺。

高級工程師利用AI快速構建想法的原型（理解）、生成基本實現（可改進）、探索已知問題的替代方法等等；

而初學者卻經常接受不正確或過時的解決方案、忽略關鍵的安全性和性能問題、不知道如何調試AI生成的代碼，最終構建了一個自己不完全理解的脆弱系統。

70% problem

使用AI進行編碼的非工程師，經常遇到一個窘境：他們可以出人意料地迅速完成70%的工作，但最后的30%就相當痛苦了。

「70% problem」揭示了AI輔助開發的現狀，剛開始如有神助，后來被現實按在地上摩擦。

實際情況通常是：

嘗試修復一個小錯誤——>

AI提出了一個似乎合理的更改——>

這個更改破壞了其他一些東西——>

要求AI修復新問題——>

又產生了兩個新bug——>

無限循環

這個循環對于非工程師來說尤其痛苦，因為他們缺乏專業知識來理解真正出了什么問題。

有經驗的開發人員遇到bug時，可以根據多年的模式識別來推理潛在原因和解決方案。如果沒有這個背景，那基本上就是在用自己不完全理解的代碼「打地鼠」。

學習悖論

還有一個更深層次的問題：讓非工程師使用AI編碼工具，實際上可能會阻礙學習。

代碼生成了、運行了，但「開發者」不了解基本原理，此時，他錯過了學習基本模式、沒有培養調試技能、無法對架構決策進行推理，而這份代碼又需要維護和擴展。

于是，「開發者」不斷返回AI來解決問題，而沒有培養自己處理問題的專業能力。

非工程師使用AI編碼工具的最好方式可能是「混合模式」：

1. 使用AI進行快速原型設計

2. 花點時間了解生成的代碼是如何工作的

3. 學習基本的編程概念以及AI使用

4. 逐步建立知識基礎

5. 將AI用作學習工具，而不僅僅是代碼生成器

但這需要耐心和奉獻精神，與許多人使用AI工具的目標恰恰相反。

「70% problem」表明，當前的AI還不是許多人希望的那個AI。最后30%的工作（使軟件可用于生產、可維護等），仍然需要真正的工程知識。

最佳實踐

Addy Osmani觀察了幾十個團隊，總結了一些最佳實踐方式：

「AI初稿」模式

讓 AI 生成基本實現；手動審查和模塊化重構；添加全面的錯誤處理；編寫全面的測試；記錄關鍵決策。

「持續對話」模式

為每個不同的任務開始新的AI聊天；保持上下文集中和最小；經常查看和提交更改；保持緊密的反饋循環。

「信任但驗證」模式

使用AI生成初始代碼；手動審查所有關鍵路徑；邊緣案例的自動測試；定期安全審計。

AI的真正前景？

盡管存在這些挑戰，但作者對AI在軟件開發中的作用持樂觀態度。關鍵是要充分利用AI的真正優勢：

加速已知AI擅長幫助實現我們已經了解的模式，就像有一個無限耐心的結對程序員，他可以非常快速地打字。

探索可能性AI非常適合快速構建想法原型和探索不同的方法，就像一個沙箱，我們可以在其中快速測試概念。

自動化例程AI大大減少了花在樣板和日常編碼任務上的時間，讓我們可以專注于有趣的問題。

如果您剛剛開始AI輔助開發，作者的建議是，先從小處著手。

將AI用于非耦合的、定義明確的任務，查看生成的每一行代碼，逐漸構建更大的功能。

過程中保持模塊化：將所有內容分解為小的重點文件，在組件之間保持清晰的接口，記錄模塊的邊界。

重要的一點是，相信自己的經驗：AI用來加速而不能取代你的判斷、感覺不對勁時要質疑、時刻維護自己的工程標準。

Agent興起

隨著我們進入2025年，AI輔助開發的格局正在發生巨大變化。雖然當前的工具已經改變了原型設計和迭代方式，但我們正處于更重要轉型的風口浪尖：智能體（Agent）軟件工程的興起。

智能體系統不僅可以響應提示，還將以越來越高的自主性規劃、執行和迭代解決方案。

比如Anthropic的Claude能夠使用計算機，或者Cline自動啟動瀏覽器和運行測試的能力。

在調試過程中，智能體系統不僅給出修復bug的建議，還可以：

主動識別潛在問題、啟動和運行測試套件、檢查UI元素并捕獲屏幕截圖、提出并實施修復、驗證解決方案是否有效。

下一代工具將可以無縫集成視覺理解（UI 屏幕截圖、模型、圖表）、口頭語言對話和環境交互（瀏覽器、終端、API）。

未來的AI不是取代開發人員，而是成為一個越來越有能力的協作者，既可以采取主動，又能尊重人類的指導和專業知識。