评估使用AI编码助手时的开发人员生产力

2024-10-16 02:00:00 英文原文

我们都有看过类似GitHub Copilot这样的编码助手的广告和精美的宣传册,它们承诺使用“AI”让编写代码和完成编程任务比以往更快,然而自Copilot在2021年推出以来,有多少承诺真正实现了呢?根据最近的一份报告由代码分析公司升级版没有显著的好处,而GitHub Copilot还引入了41%更多的bug。开发团队的评论表明,虽然编码助手可以更快地编写代码,但调试或维护代码往往是不现实的。

这当然不应该令人惊讶,因为这一点反映了我们已经发现的结果当我们在2021年讨论这个话题时。GitHub Copilot及其同类产品实际上是基于代码库训练的大型语言模型(LLMs),它们最好被看作是针对代码的大规模自动完成功能。就像在智能手机上使用自动完成功能在很多时候会令人感到不协调并且充满错误一样,对于GitHub Copilot来说,最公正的评价可能是,在编写重复且不需要深入理解代码就能完成的任务时,它可以有所帮助;然而当你只想让它帮你拿扳手的时候,它却像一只过于热情的狗,不仅带来了你想要的工具,还带来了一捆木棍和一只死老鼠。

直到副驾及类似工具真正发展出实际智能之前,似乎软件开发岗位仍然完全安全,不会被我们的机器人主宰取代。

关于《评估使用AI编码助手时的开发人员生产力》
暂无评论

摘要

我们都知道GitHub Copilot等编码助手的广告和精美宣传册,它们承诺使用“AI”让你比以往任何时候都更快地编写代码并完成编程任务,然而自2021年Copilot推出以来,有多少承诺兑现了呢?开发团队的评论表明,虽然编码助手可以加快代码的编写速度,但调试或维护这些代码往往是不切实际的。当然,这并不令人惊讶,因为我们早在2021年报道这个话题时就已经发现了类似的情况。GitHub Copilot及其同类产品实际上是基于代码库训练的大规模语言模型(LLMs),它们最好被视为针对代码的巨大自动完成功能系统。就像在智能手机上使用自动完成功能一样,这种体验往往很突兀且充满错误。