知道何时使用AI编码助手

AI编码助手为样板代码，简单功能，文档，调试和其他常规任务发光。不要把他们推得太远。

只是因为你能使用生成的AI在软件开发中并不意味着您应该。AI编码助手大型语言模型（LLMS）在某些情况下是一个生产力的梦想，但在其他情况下进行了一次性的噩梦。那么，那条线在哪里？

“知道何时以及如何依靠AI代码助手是学习的重要技能，”分层系统的API策略师Kevin Swiber说。随着技术的发展，每天都在变化。很难跟上。

根据目前有63％的专业开发人员在开发过程中使用AI。Stack Overflow S 2024开发人员调查。AI编码助手被证明是用于样板代码，简单功能，文档和调试的令人难以置信的节省时间。

但是，AI生成的代码是充满了质量关注，并且非常依赖它的化合物技术债务。专家认为AI代理对于完全新颖的编码项目，高度复杂的体系结构，长期构建周期或代码重复使用不太理想。

短而瘦？AI在某些情况下的工作效果要比其他情况更好。（不要刺激你的氛围，而是氛围编码仍然需要人类的监督。）在下面，我们会考虑何时AI工具发光以及何时不进行，并为软件工程领导者提供一些收获。

AI编码助理发光的地方

AI在常见的编码模式下表现出色。Swiber说，当您的目标得到良好指定时，它的最佳景点的复杂性很低，并且您使用了流行的库。

慈善专业，联合创始人和蜂窝CTO补充说，网络开发，移动开发和相对无聊的后端开发通常非常简单。代码越常见，在线示例越多，AI模型的性能就越好。

使用AI的更快的反馈周期往往会带来更好的体验。大满贯说：`•如果您需要两个小时来部署后端代码，这将更具挑战性。”

Sonar首席成长官Harry Wang表示，AI擅长于诸如脚手架之类的精心理解的编程任务微服务，生成休息 蜜蜂，或原型新想法。

Wang说，AI编码助手在增强开发人员时会真正发光，执行常规和重复的任务，例如生成样板代码或建议代码片段，功能甚至整个课程。”它们加速了快速的原型制作，探索性设计和实验编码，将初始想法更快地转化为有形的代码。

然后，对于实际代码之外的开发人员，AI都可以实现所有实际任务。蟑螂实验室首席执行官Spencer Kimball描述了他们的工程师如何使用AI进行设计脚手架，修复测试，可观察性数据和博客。他说，有70％的时间不是直接编码，但它回馈了开发人员进行编程的更多时间。

AI编码助理不足的地方

在其他情况下，您可能很难让AI工作。生成的AI工具当工程目标超出一次性功能，涉及大规模重构或跨越具有复杂要求的全新项目时，可以动摇。

“如果您让它做自己的事情，您可能会浪费大量时间和金钱，从字面上失去代码，”分层系统的Swiber说。如果您不定期审查输出或使用版本控制。

Honeycomb的慈善机构主要同意：AI在生成Greenfield代码方面比修改或扩展现有代码基础要好得多。例外包括大型语言模型她补充说，接受了这项确切任务的培训。

在AI加速开发的同时，它为审查和验证所得代码造成了新的负担。``在最坏的情况下，在AI生成的代码中调试和解决微妙问题所需的时间和精力甚至可以蚀到从头开始编写代码所需的时间。” Sonar的Wang说。

质量和安全性可能会遭受模糊的提示或不良的上下文理解，尤其是在大型的复杂代码库中。基于变压器的模型还可以使用令牌窗口面临限制，因此很难掌握具有许多零件或特定于域特异性约束的项目。

王说，我们看到了AI输出在句法上正确但包含逻辑错误或微妙的错误的情况。”他说，这些错误源于黑匣子的过程，对需要任务至关任务的企业申请的AI风险严格的治理。

王说：“由于背景损失和整合冲突的风险，成熟的代码基础受益于AI的灵活性，而成熟的代码基础则需要谨慎。”部分原因是无法访问手头用例的适当上下文和数据。

什么工程领导者应该知道

Kimball补充说，这并不是每个人都对AI感兴趣，因为这是在相同级别的电气化或计算机化上的范式转变。模型上下文协议（MCP）缠绕在蟑螂API上的服务器。

作为首席执行官，它为您提供了一些可能的视角，” Kimball说。<如果您可以提高生产率30％，就像雇用30个人一样。尽管超额支出了AI是他说，与雇用其他工程师相比，成本显得苍白。

实际上，AI可以为公司提供优势。Kimball说：“不用担心在短期内花钱弄清楚如何使用这些东西。”成为一家5000人的公司比5,000人的公司要好得多。DX的新研究发现与其他公司规模相比，中型公司的每工程师收入最高。

目前，高管在AI上很热。Shopify的首席执行官AI授权预计会引入类似的法令并影响雇用。但是，当AI热情坐骑时，领导者的责任是了解AI的局限性并开始划定边界。

Swiber说，部署AI Willy-Nilly会很快导致令人沮丧的结果。您可以将这些东西放开，然后放开。您需要监视他们所做的事情。

领导者也可以负担得起自己的桂冠。事实是，开发人员将使用生成性AI，无论他们是否有批准。64％使用生成AI的软件开发人员开始使用该技术前根据一个人，他们被正式授予许可2024年Blueoptima的报告。

开发人员和领导层都应熟悉AI编码助手，以了解他们的优势和劣势。这种意识对于有效地推出它们至关重要。 

模型最糟糕的是

面临的挑战是，鉴于变化的迅速速度，AI讨论在短短的几个月甚至几周内都会变得无关紧要。AI编码助手正在迅速发生变化，因此我们对他们的任何话都可能拥有短暂的保质期。”

AI的未来能力很难预测。但是，越来越多的开发人员看好其在日常工作流程和大型目标中的作用。Salesforce的最新IT调查状态发现92％的开发人员希望代理AI能够促进其职业生涯。

对于Kimball来说，Agent AI将打开无数的门并构成新的威胁向量。我们将从数十亿到数十亿到数十亿美元开始，甚至可能有数万亿个活跃的事情，最终比以往任何时候都更加击中API。

他补充说，在企业层面上，该行业必须开始考虑数据主权，因为区域数据限制正在上升，并且代理AI将降低数据访问的阈值。最终，数据提供商将必须满足这些法规，并学习如何适当保护其数据。

上下文窗口限制了模型可以立即考虑的文本数量，这是真正阻止LLM的文本，但它们会不断改进。当上下文窗口达到数百万或数亿个令牌时，会发生什么？大型代码基库中AI围绕的许多问题可能会蒸发。

就目前而言，在与LLMS合作完成不同的编码任务时，问题仍然存在，需要敏锐的洞察力，以了解何时（以及如何）明智地使用它们。然而，正如金博尔提醒我们的那样，AI编码工具正在呈指数级改进，我们只在一开始就进行。

软件的未来是AI，他说。这是模型有史以来最糟糕的。