浅谈AI智能编码对软件工作的影响

行内工作中在推行AI智能编码，也用了一些，聊下感受，围绕一下几点：

1.AI智能编码

它并非通用性人工智能，目前所说的AI就是大数据模型的调用。请区分两者概念。

目前AI它打破了行业领域的入门壁垒界限。比如修图 设计 等领域，不需要专业技能，修图，p图，一键搞定。软件领域，简单代码，重复性的作业，可以用工具自动补全，这些可以大大提高生产力。
AI它弱化了低级作业人员的作用，更加凸显senior级别的重要性。因为，AI可以提供选择，最终需要经验丰富的人员，确定最终方案。

AI是无休止的，包容性的学习，无论对错，都学。它会按照你的方向，告诉你想要的东西，但是，如果你的方向是错的，那么它不会帮你纠正方向。这些也依赖各个模型不同，对结果有一定的影响。

未来AI发展，对于C端，向下普及；对于B端，向上竞争

2.行内AI使用情况

弊端：

目前内部以及同学所在的大公司里，存在为了刷使用AI指标数据，大规模的推动AI使用，有时直接复制过来使用的代码，为了打上AI标签，非得让AI优化一下；或者，晚上重复跑一些费时的、无用的任务。此外，组里一些人不愿意用行内AI，因为算力不足，输入一个问题，很久才响应。比自己动手做都慢。此外，目前行内模型的效果不好。用它做的东西，不知道哪里改坏了，还得自己找问题。不是提升生产性，而是拖后腿。

不过，目前经过了3个月，算力问题、响应慢的问题在逐步改善，也推出了更多的模型供大家使用。

利端：

例如使用的智能问答，可以理解代替百度，直接给你返回结果，确实帮助到开发人员解决BUG。对一些常见的问题，它可以提供准确答案。对于一些底层的、深入分析的，答案不够准确。（通俗的说，网上有的，它都知道；网上没有的，或者少的，它也不知道。也对，它就是网上那些资源喂出来的）

3.用到的agent

agent 要做到一米宽，一万米深。就解决一个特定类型的问题，要解决得十分精准。

行内在推进，提供很多agent。但是，目前各个agent还是深度有限，用这个agent生成作业+后期人工改动 > 人工直接修改，目前这里暂时没有很好的解决。

也是由于我们项目背景是金融市场，10年多开始创建的老项目，多年维护，业务和历史技术债务十分复杂，导致收效甚微。

4.jsp转型vue3

目前在试点一个整个项目，将存量的一个jsp节点工程转成前后端分离。使用大模型，批量的转换，前期效果一般，后期迭代了几次，效果有提升。

整体看，它将大量人力重复性的、简单的工作都给做了，简单类型、通用功能的转换，都转换了。但是复杂些的，还要开发人员手动修改。大模型转换替代了70%的作业，还是有帮助的。

5.展望

近期，同学所在的大厂，他们也在使用，现象类似的。同时，他们公司裁员小部分开发。AI也是个烧钱的事情。最终他们公司用AI生成了很多的东西，但是这些技术成果无法转提高顾客的认可率，技术的更迭进步还是要服务于人。

每个新出现的事物都有它的两面性。公司或者个人，都在尝试抓住一次次机遇，在不断进行试错尝试，不能站在上帝视角去指责之前的某些特定情况下做出的决策。

 

大家乐观前行，拥抱变化，不断有新的事物出现，还是蛮精彩的。