自動補全適用于小型任務，但當今的開發者需要超越逐行輔助的AI工具，這些工具能夠適應更廣泛的項目環境，從而實現真正的生產力提升。

譯自AI Code Assistants Are Moving Beyond Auto-Complete: Here’s What’s Next，作者 Ado Kukic。

直到最近，AI 代碼助手這個術語還與自動補全功能同義。這是有原因的。AI 輔助代碼補全功能，它會在開發者輸入時預測并建議接下來的幾個字符、單詞或行，是根據工作流程和需要提供相關幫助的一個很好的例子。我從事專業編寫和維護代碼已有20多年了。在 AI 輔助代碼補全之前，各種開發者工具已經通過依賴 IDE 中內置的語言服務器功能提供了類似的功能。因此，AI 驅動的代碼補全感覺像是 IDE 及其為開發者提供的幫助的自然發展步驟。

另一種流行的 AI 交互方式，即聊天界面，對于開發者來說并不被認為非常有價值，因為它主要只回答通用查詢，例如“如何反轉鏈表？”，而這在開發者的日常工作中并不需要。

因此，完成接受率 (CAR)（一個計算開發者接受 AI 建議完成的百分比的指標）成為許多 AI 代碼工具的關鍵績效指標。代碼工具的營銷材料重點介紹了它們的自動補全功能，通常展示它們如何能夠通過減少擊鍵次數來節省[開發人員的時間]。

然而，這種情況正在改變。

使自動補全有用的“流程”也限制了它

當你坐下來編寫一段代碼時，代碼會神奇地出現在你的屏幕上，這可能是一種真正類似于流程的體驗。然而，同樣的“上下文”質量——在你需要的時候，在你需要的地方提供幫助——使自動補全變得有幫助，這也是限制其效用的原因：

• 范圍有限: 編寫代碼——一項極其依賴人的活動——以人的速度進行。此外，編寫代碼甚至并非一直是主要的開發者活動。
• 上下文狹窄: 自動補全逐行工作，缺乏對代碼更廣泛上下文或開發者意圖的理解。
• 對延遲敏感: 必須盡快提供補全，這限制了可以使用的 AI 模型。任何提供建議的延遲都會擾亂開發者的流程。

因此，由此帶來的軟件開發速度的提高充其量只是漸進式的。

解決復雜的軟件問題不僅僅需要編寫代碼

我們看到開發者使用 AI 工具的方式正在發生轉變。AI 代碼助手僅僅完成你的代碼行已經不夠了。工程團隊的需求更多。他們希望解決更復雜的問題。他們希望生成全新的功能，重構遺留代碼，將代碼現代化到更新的語言和框架版本，提高代碼測試覆蓋率，提高對安全和編碼標準的合規性，等等。所有這些都無法通過自動補全來完成。它需要對組織更廣泛的代碼庫（超出開發者同時處理的幾個文件）有更深入的理解。大多數 AI 代碼助手都缺乏這種能力。

截至今天，此類任務的最佳界面是良好的 AI 驅動的聊天。開發人員意識到，同樣的聊天如果缺乏上下文，可能會過于通用而無用（記住反轉鏈表？），但在擁有適當的上下文時，它會變成一臺強大的機器。這就解釋了為什么開發人員轉向面向聊天的編程 (CHOP) 或通過迭代提示改進進行編碼來解決他們的問題。

讓我們來看一個面向聊天編程如何幫助我的最新例子。我正在開發一個處理大量視頻內容的應用程序。用戶會上傳視頻，我的服務需要將它們編碼成各種格式，創建剪輯，將音頻提取到 .mp3 文件中，等等。

許多這些操作都將非常計算密集型，因此我需要構建一個排隊系統，該系統可以調度作業，在資源可用時處理任務，并在任務完成后更新隊列。我最初通過依賴 Redis（一個用于創建排隊系統的強大的鍵值存儲）構建了所有功能。

我的實現方案在測試中運行良好，但一旦上線并開始使用我構建的排隊系統，我很快意識到我的實現方案更適合關系數據庫。該系統依賴于我需要訪問的各種屬性，這意味著必須查詢大量不必要的數據才能從Redis獲取我需要的鍵值對。將所有內容重寫為使用SQLite將是一項相當大的工作。盡管如此，由于面向聊天的編程，我只需在我的編碼助手之間通過幾條聊天消息，并使用我的代碼庫作為上下文，就可以進行這項代碼庫范圍內的更改。

圖片

AI編碼助手不僅為我提供了關于需要發生什么的逐步說明，而且還生成了可工作的代碼，用SQLite數據庫查詢替換了現有的Redis調用，生成了與我在Redis中使用的匹配的正確模式，并為我提供了關于去哪里以及更新什么的精確說明，從而節省了我無數小時的手動遷移工作。說到遷移，我還讓我的編碼助手編寫了新的功能，將Redis中所有現有的作業數據遷移到SQLite，以便在新版本部署時不會丟失任何數據。

圖片

成功取決于結果，而非輸出

隨著這一演變，成功的衡量標準也發生了變化。完成接受率 (CAR) 仍然很重要，但不再是黃金標準。相反，工程團隊正在關注更全面的衡量指標：

• 節省的時間: 使用此工具減少了多少總體開發時間？
• 問題解決能力: 此工具能否幫助解決復雜的編碼難題？
• 代碼質量改進: 此工具能否幫助提高代碼庫的整體質量和可維護性？
• 學習和適應: 此工具如何適應項目特定的需求和編碼風格？

展望未來

即使在AI使用成為編碼主流的最初兩年中，使用模式也從更“代碼輸入”的活動迅速發展到更具迭代性設計或轉換的活動。隨著我們繼續前進，很明顯，自動完成雖然仍然有用，但這只是AI輔助編碼的冰山一角。編碼與在編輯器中努力地進行輸入的日子已經過去了。

未來屬于更全面、更上下文感知的AI系統，這些系統能夠真正理解并協助軟件開發。我們如何定義編碼技能以及未來軟件工作的培訓方式可能與今天的有所不同。通過智能提示最有效地利用AI，并結合其他有助于理解代碼的工具，可能會成為軟件構建方式的重要方面。