代码是否有效-
代码是否有效？
照片由Alex Padurariu在Unsplash提供
“代码是否有效？”
为了避免将这句话从上下文中摘出，让我分享一下作者如何得出这句话的背景。
纽约时报（NYT）的及时报道首先讨论了人工智能取代初级专业人士的需求，作者指出，自动化白领工作一直是许多高管长期以来的愿望。然而，技术本身尚未足够成熟，无法管理许多工作的更复杂和技术方面。至少，直到最近的 AI 进步，这促使他写下：
*这种状况正在开始改变，尤其是在像软件工程这样的领域，这里有明确的成功和失败标志。（例如：代码是否有效？）
在记者的辩护中，可能存在我们不了解的写作指南和原则，导致了对“代码 工作/不 工作”部分的限制和“有限的空间”来更好地解释。话虽如此，我在这里提出批评并无恶意。然而，对于所有非技术人士来说，我觉得有必要澄清一个常见的误解：我们（技术人员）生产的并非所有东西都能用‘1s’或‘0s’来衡量。 🙂
在我深入解释之前，让我分享一个最近一直在我脑海中萦绕的故事。
超过 14 年前，我在一家变压器公司的一个高压实验室建设项目上实习。作为所谓的Steerco，即指导委员会的一部分，我的任务是推动项目前进，解决与法律和预算相关的问题。正如在建设项目中经常发生的那样，当不同职业的人聚集在一起——建筑师、土木工程师、电气和机械工程师——来建造一个具有法拉第笼的专业制造工厂时，预算和法律问题并不罕见。
因此，在项目进行五个月后，离大学毕业只有七个月，项目的赞助商（首席执行官），作为职业工程师，注意到立面的实际成本超过了预估预算。初步预算中列出的材料成本，这对整体项目成本有显著影响，偏离了（如果我记得正确的话）40%。
由于这个原因，首席执行官指示我的同事和我通知那位有 20 多年经验的建筑师，成本是不可接受的，并且预计材料更改将符合项目预算。
你可以想象接下来发生了什么：我立刻被反驳了。
我永远不会忘记她说的：
我们这里不是在集市上；选择特定材料用于立面是有原因的。仅仅因为今天每个人都在家里建了自己的储物单元，并不意味着他们是知道如何根据相关标准设计专业建筑的建筑师。
然后，她补充说：“……隔离，某种，建筑物理，某种，地下，某种，初步设计 vs. 主设计，某种，某种……”
当然，我回复了这条消息，带着“某种，某种”，然后发生的事情是，我在一天之内两次被反驳：
诚然，我们不是在集市上，但我们不需要为别人的错误买单。责任方应该承担责任并找到适合我们预算的解决方案。
[所以，“不要杀信使”的这么多内容。]
你可以看到这个故事的发展方向。在生成式 AI 时代，每个人都设法体验了成为“编码者”意味着什么。然而，并不是每个人都是软件工程师，也不愿意为软件工程师的薪水付费，如果生活用“次优的 DIY 储物单元”就足够好的话。
回到《纽约时报》的文章，你现在可以理解为什么这句话“代码工作吗？”让我印象深刻。在我的脑海中，这句话听起来好像编码任务可以简化为：“如果它（在众多简单、二元结果中）能编译，你就可以发货了。”
再次，虽然这只是一个例子（而且不是错误的例子），但至少应该再问十几个问题，才能获得更全面的了解，并达到任何代码更改或实施的真正“工作状态”，例如：
…当前（数据）架构是否支持这个更改？
…这个更改是否得到了法律和安全团队的批准？
…代码是否按照开发实践实施？
…这个更改是否具有性能？
…是否进行了端到端测试？
…CI/CD 流程是否到位？
…这个更改是否影响了其他功能？
…受影响的业务团队是否被告知了这些更改？
…这个更改是否导致成本增加？
…这个更改是否带来了价值？
如果我们回答了所有上述问题，在我们可以得出“代码工作”的结论之前，还有更多的问题需要考虑。例如：
-
这个开发项目的预算是否得到了批准？
-
谁将作为这个开发的联络人？
-
在功能完整性和上市时间之间，最佳平衡是什么？
-
这如何影响值班责任？
-
退役这个开发会有多困难？
-
这个解决方案在数据或用户增长到什么程度时才能扩展？
-
如果出现问题，回滚策略是什么？
-
需要哪些文档和知识转移？
-
…还有更多…
正是因为这个原因，你经常会看到技术人士热情地发布或重新分享类似“编码从来就不是问题。”这样的声明。这确实从来就不是问题，真正的难题从没有二元答案。
换句话说，我所看到和面临的挑战包括继承 10-20 年的累积技术债务，这导致了将数月甚至数年的时间投入到维护脆弱的遗留系统中，同时试图现代化依赖于过时技术的业务流程，这些技术深深植根于组织决策中。
回到建筑师的话题，我最后还要分享一个故事，这涉及到我与我的大学室友最近的一次对话，她——你猜对了——是一位建筑师。
我们两个在谈论她与生成式人工智能的经历，她解释了她如何上传地块计划，并提示一个 LLM 提供一个“著名”预算的初步住房项目。她的观察是，尽管 AI 的输出看起来“美丽”，但在技术方面完全有缺陷，它仅仅产生了一些设计想法。然后她提到了一些有趣的事情：
你看，这对我是有用的，但如果我的投资者用同样的 AI 工具，用同样的提示运行同样的计划，他将永远无法交付一座站立的建筑。
我对她的话微笑，因为这正是我现在对人工智能交付完整软件的看法。你可以，也会得到“工作”的代码，但没有经验丰富和/或知识渊博的数据/AI/软件工程师的监督和专家修复，你将严重冒着积累未来技术债务的风险。
扩展性、安全性和可维护性的原则，或者说软件的“建筑物理”，不能仅依靠人工智能（目前）来管理，这正是技术专家发挥作用的地方。
没有疑问，生成式人工智能是一种将代码带到“工作”状态的有力方式，我们都应该使用它。但真正的价值并不在于开发过程本身。真正的价值在于确保“工作”的代码正在做它应该做的事情，并且在其周围有现有的流程来避免在专用（数据）平台上的问题。
有了这个想法，我只能得出结论，一个“是的，但是”通常可以回答“工作/不工作”类的问题（任何领域）。👇🏼
当被提示“代码工作或不工作？”时的谷歌搜索 AI 概述截图
感谢阅读！
如果你觉得这篇帖子很有价值，请随意与你的网络分享。👏
如果你对了解数据科学或分析开发过程感兴趣，请阅读我的帖子：
- 解码数据科学过程 | 科瓦尔斯基是如何提供“临时”数据洞察的？
浙公网安备 33010602011771号