目前，开发者们面临的大概最紧迫问题之一就是编程的未来。

Anthropic 的首席执行官这样表示，在未来三到六个月内，人工智能将负责编写软件开发人员负责的 90% 的代码。

Birgitta Böckeler 在“AI 编程现状”的演讲中告诉与会者，现场观众不禁发出紧张的笑声。

QCon 开发者大会本周正在英国伦敦举行，其内容中充满了独特的 AI 元素。Thoughtworks 软件开发公司 AI 辅助软件交付全球负责人 Böckeler 和与会人员交流，人们应该创造一种鼓励实验和 AI 质疑的文化。

主办 QCon 的 C4Media 总裁 Dio Synodinos 在会议开始时这样表示说：

“我们正在经历整个软件开发史上最令人着迷也最令人困惑的时期。如果你正经历着好奇、兴奋，或许还有一丝不确定性，或者非常不确定，那么你并不孤单。” 

他表示，有些难题“可能没有简单的答案”。 

在演讲中，Böckeler 快速介绍了过去几年人工智能编程的发展。

“一切都是从自动建议开始的，对不对？”她这样评论道，“就像强化版的自动完成一样。”

之后是聊天功能，程序员可以在 IDE 中提问；再之后是改进的上下文和“与代码库聊天”的能力，例如询问特定 UI 元素的测试在哪里，这对于检查不熟悉的代码非常有用。

因为大型语言模型 (LLM) 提供更多上下文的能力，提问也提升了它们自己的能力，模型本身也得到了有效改进。

“Claude Sonnet 模型，例如 3.5、3.7，是迄今为止最受欢迎的编程模型，”她这样说道。

那么，这对生产力的影响究竟有多大？

她说道，生产力提升幅度远不像 GitHub 之类的公司所宣称的 55%。大多数开发者表示，他们用于编码的时间不到 30%；而且 AI 也并不总是有用。

“假设 60% 的时间里，编码助手确实有用……如果你有这些数字，那么它对你的周期时间的影响就是 13%……你可能甚至感觉不到这一点。”她表示，在实践中，Thoughtworks 发现使用 AI 辅助编码可以带来约 8% 的提升；不过这仍然值得，但并不显著。

然而，通用人工智能（Gen AI）是一个不断变化的目标。

“现在，代理（Agent）已经进入了这个领域。” Böckeler 表示，尽管“代理”一词被广泛使用，但其定义尚未完全明确。在这种情况下，“代理”指的是一个编码助手，它可以访问工具，读取文件、修改文件、执行命令并运行测试。该助手会整理出一个“精心编排的提示”，并将其发送给大语言模型（LLM），并附上其可用工具的描述，“几乎就像 API 描述一样”。

大语言模型（LLM）可能会提出更多问题，“所以我们会反复讨论，这就是代理的工作原理，”Böckeler 说。

“我一直在用它，不仅仅是因为这是我的工作。它有点让人上瘾……我看到有人在Reddit上写道，它有点像老虎机，要么赢要么不赢，你总是得投入更多钱才能再试一次，”她这样补充说道。 

演讲者还提到了“目前正在蓬勃发展的”MCP（模型上下文协议）。代理是 MCP 客户端，而 MCP 服务器可以在任何地方运行，包括本地机器。开发人员可以编写 MCP 服务器代码来执行诸如“查询我的特定测试数据库，或向 JIRA 工单添加评论”之类的操作。编码助手可以将 MCP 工具的描述发送给 LLM，从而扩展代理可用的功能。

演讲的主题现在转向了AI编码的其他问题。“你的模型不可能一直按照你的意愿行事，尤其是在你的课程越来越长的情况下，”Böckeler说道。更大的上下文窗口——发送给LLM的上下文数量，这意味着对细节的关注度会降低。像“遵循最佳实践”这样的指示可能行不通，因为我们不知道LLM认为的最佳实践是什么。

开发人员可以添加规则文件，指导 LLM 遵守组织标准或其他最佳实践，但这也存在风险。“人们在互联网上共享[自定义规则]，”Böckeler 说，并且发现了一个漏洞，规则中可能存在隐藏字符，导致 LLM 生成额外的代码。“他们可能会在你的 HTML 中添加一个脚本标签，调用某个攻击者的服务器。”

Böckeler 还提到了氛围编码，以及如果使用不当可能会导致灾难。

她还说，人工智能“乐于助人，博学多识，但缺乏经验”。它就像一个“不会承认自己不懂”的团队成员。如果由业余人员使用，他们无法识别出问题所在，就会带来风险。

她还举了一个例子：在处理 JavaScript 应用程序中的 Docker 文件时，AI 工具告诉她遇到了内存不足错误，应该增加内存限制。然而这种修复方式是错误的。她需要弄清楚内存错误发生的原因，然后才能修复它。这种强行修复只会“引发更大的麻烦”。

Böckeler 引用了GitClear 的研究，该研究表明，人工智能编码正在增加代码流失并减少重构，为未来埋下隐患。

她说：“人工智能现在已经在我们的工具箱中，它不会消失，尽管我最后提出了这些警告，但如果以负责任的方式使用，它将非常有用。”

因此开发团队必须学会如何管理 AI 代码。“不要让 AI 左右摇摆，”Böckeler 说道，他指的是那些在拉取请求中进行 AI 代码审查的工具。“为什么它必须在拉取请求中？为什么不在我推送之前就写好？”

人工智能编码本身就存在局限性。“有些问题……我看不出在使用大语言模型时如何才能完全克服它们，”她这样说道。

作者：场长