生成式人工智能如何改變軟件開(kāi)發(fā) 原創(chuàng)
采用人工智能編碼助手可以將軟件開(kāi)發(fā)團(tuán)隊(duì)的效率提高40%,其中包括代碼審查至調(diào)試的過(guò)程,同時(shí)可以有效應(yīng)對(duì)現(xiàn)實(shí)世界的挑戰(zhàn)并遵循最佳實(shí)踐。
軟件開(kāi)發(fā)專(zhuān)家Igboanugo David Ugochukwu表示,當(dāng)他帶領(lǐng)的軟件開(kāi)發(fā)團(tuán)隊(duì)在去年開(kāi)始使用人工智能編碼助手時(shí),他對(duì)其能力持懷疑態(tài)度?;谄溟L(zhǎng)達(dá)15年的編程經(jīng)驗(yàn),他不相信大型語(yǔ)言模型能夠?qū)?shí)際的開(kāi)發(fā)工作提供有意義的幫助。在六個(gè)月后,他的看法發(fā)生了根本性轉(zhuǎn)變,其開(kāi)發(fā)團(tuán)隊(duì)的工作效率提高了大約40%,同時(shí)代碼質(zhì)量指標(biāo)也有所提高。
但關(guān)鍵在于,這并不像“人工智能讓編碼變得更容易”那么簡(jiǎn)單。實(shí)際應(yīng)用中的情況遠(yuǎn)比市場(chǎng)宣傳所描繪的更微妙、更有趣,并且從實(shí)用角度來(lái)看,也更具價(jià)值。
實(shí)際應(yīng)用情況
Ugochukwu分享了近日發(fā)生的一件事。他正在調(diào)試Node.js后端一個(gè)嚴(yán)重的內(nèi)存泄漏。這在以往意味著要花費(fèi)數(shù)小時(shí)梳理代碼,添加控制臺(tái)日志,可能還需要花費(fèi)更多的時(shí)間。然而,他將相關(guān)代碼和內(nèi)存配置文件輸入到人工智能助手中,并要求它分析模式。
在幾分鐘之內(nèi),人工智能助手就發(fā)現(xiàn)了一些他未曾留意的一處細(xì)節(jié)——在一個(gè)閉包中意外地保持了WebSocket連接。這是一個(gè)微不足道卻難以察覺(jué)的錯(cuò)誤。盡管人工智能并沒(méi)有神奇地修復(fù)它,但它比傳統(tǒng)的調(diào)試方法更快地指明了正確的方向。
真正有效的方法
根據(jù)其團(tuán)隊(duì)在過(guò)去一年使用人工智能助手的經(jīng)驗(yàn):
1.代碼評(píng)審
Python
1 def process_user_data(data):
2 if data['status'] == 'active':
3 user = User.objects.get(id=data['user_id'])
4 if user.subscription:
5 if user.subscription.status == 'valid':
6 return handle_active_user(user)
7 else:
8 return handle_inactive_subscription(user)
9 return handle_inactive_user()
人工智能助手發(fā)現(xiàn)了這一點(diǎn),并提出了以下建議:
重構(gòu)版本:
Python
1 def process_user_data(data):
2 if data['status'] != 'active':
3 return handle_inactive_user()
4
5 user = User.objects.get(id=data['user_id'])
6 if not user.subscription:
7 return handle_inactive_user()
8
9 return (handle_active_user(user)
10 if user.subscription.status == 'valid'
11 else handle_inactive_subscription(user))
雖然它并不是革命性突破,但始終比人類(lèi)審閱者更快地發(fā)現(xiàn)這些可讀性問(wèn)題。
2.測(cè)試生成
這是另一個(gè)意外的發(fā)現(xiàn)。以下是一個(gè)真實(shí)示例:
最初的功能:
Python
1 def calculate_order_total(items, discount_code=None):
2 subtotal = sum(item.price * item.quantity for item in items)
3 if discount_code:
4 discount = get_discount_amount(discount_code, subtotal)
5 return subtotal - discount
6 return subtotal
人工智能生成了這些測(cè)試用例:
Python
1 def test_calculate_order_total():
2 items = [
3 Item(price=10.0, quantity=2),
4 Item(price=15.0, quantity=1)
5 ]
6 assert calculate_order_total(items) == 35.0
7
8 def test_calculate_order_total_with_discount():
9 items = [Item(price=100.0, quantity=1)]
10 assert calculate_order_total(items, 'SAVE20') == 80.0
11
12 def test_calculate_order_total_empty():
13 assert calculate_order_total([]) == 0
14
15 def test_calculate_order_total_invalid_discount():
16 items = [Item(price=10.0, quantity=1)]
17 assert calculate_order_total(items, 'INVALID') == 10.0
它捕捉到了開(kāi)發(fā)人員一開(kāi)始可能會(huì)忽略的邊界案例。
不適用人工智能助手的情況
1.復(fù)雜的架構(gòu)決策
Ugochukwu帶領(lǐng)的開(kāi)發(fā)團(tuán)隊(duì)最近需要重新設(shè)計(jì)身份驗(yàn)證系統(tǒng),以處理多租戶單點(diǎn)登錄(SSO)。人工智能助手提供的建議從技術(shù)上來(lái)說(shuō)是正確的,但忽略了關(guān)于不同客戶端類(lèi)型之間會(huì)話管理的關(guān)鍵現(xiàn)實(shí)因素。
2.場(chǎng)景復(fù)雜型調(diào)試
當(dāng)一個(gè)bug涉及多個(gè)服務(wù)、復(fù)雜狀態(tài)或競(jìng)爭(zhēng)條件時(shí),人工智能工具仍然會(huì)遇到困難。它們可以幫助分析單個(gè)組件,但往往忽略了整體情況。
對(duì)開(kāi)發(fā)工作流程的實(shí)際影響
以下是開(kāi)發(fā)工作流程的實(shí)際變化:
在人工智能整合之前
Plain Text
1 1. Write code (2 hours)
2 2. Write tests (1 hour)
3 3. Debug issues (2 hours)
4 4. Code review (1 hour)
5
6 Total: ~6 hours per feature
在人工智能整合之后
Plain Text
1 1. Write code with AI assistance (1 hour)
2 2. AI generates test cases, developer adjusts (30 mins)
3 3. Debug with AI analysis (1 hour)
4 4. AI-assisted code review (30 mins)
5
6 Total: ~3 hours per feature
但問(wèn)題是,這之所以能奏效,是因?yàn)殚_(kāi)發(fā)團(tuán)隊(duì)學(xué)會(huì)了如何有效地使用人工智能工具。雖然他們?cè)诘谝粋€(gè)月的工作效率較低,但正在摸索正確的工作流程。
學(xué)到的最佳實(shí)踐
1.面向開(kāi)發(fā)人員的提示工程
而不是:
Plain Text
1 "Write a function to process user data"
該開(kāi)發(fā)團(tuán)隊(duì)采取的做法是:
Plain Text
1 "Write a Python function that:
2
3 - Takes a user_id and data dictionary
4 - Validates required fields: name, email, age
5 - Handles missing fields with default values
6 - Raises ValidationError for invalid data
7 - Returns a processed user object
8
9 Use type hints and include error handling."
輸出內(nèi)容質(zhì)量上的差異十分顯著。
2.代碼審查策略
現(xiàn)在采取的做法是:
- 第一輪:利用人工智能進(jìn)行風(fēng)格、潛在漏洞和明顯問(wèn)題的審查。
- 第二輪:人工審查業(yè)務(wù)邏輯和架構(gòu)方面的問(wèn)題。
- 最后一輪:再次利用人工智能檢查安全漏洞。
3.文檔生成
這改變了游戲規(guī)則。示例如下:
Python
1 # Original function with minimal docs
2
3 def process_payment(amount, user_id, method):
4
5 # ... implementation ...
人工智能將其擴(kuò)展為:
Python
1 def process_payment(
2 amount: Decimal,
3 user_id: str,
4 method: PaymentMethod
5 ) -> PaymentResult:
6 """Process a payment transaction for a user.
7
8 Args:
9 amount: Transaction amount in user's local currency.
10 user_id: Unique identifier for the user.
11 method: Payment method object containing card/bank details.
12
13 Returns:
14 PaymentResult object containing transaction ID and status.
15
16 Raises:
17 InsufficientFundsError: If payment method has insufficient funds.
18 InvalidPaymentMethodError: If payment method is expired/invalid.
19 PaymentProcessingError: If payment gateway encounters an error.
20
21 Example:
22 >>> result = process_payment(
23 ... amount=Decimal('99.99'),
24 ... user_id='usr_123',
25 ... method=PaymentMethod(type='credit_card', token='tok_xyz')
26 ... )
27 >>> print(result.transaction_id)
28 'tx_abc123'
29 """
安全注意事項(xiàng)
在安全方面,必須極其謹(jǐn)慎。以下是吸取的一些教訓(xùn):
1.永遠(yuǎn)不要讓人工智能生成安全關(guān)鍵代碼
不要做的示例:
Python
1 # DON'T: Let AI generate authentication logic
2 def verify_password(plain_text, hashed):
3 return hashlib.md5(plain_text.encode()).hexdigest() == hashed
2.始終檢查生成的SQL
已經(jīng)看到人工智能建議易受攻擊的查詢(xún):
SQL
1 -- DON'T: Raw string formatting
2 f"SELECT * FROM users WHERE id = '{user_id}'"
3
4 -- DO: Parameterized queries
5 "SELECT * FROM users WHERE id = %s", (user_id,)
展望未來(lái)
根據(jù)目前的趨勢(shì)和開(kāi)發(fā)人員的經(jīng)驗(yàn),以下是一些實(shí)際的變化趨勢(shì):
1.集成開(kāi)發(fā)環(huán)境(IDE)整合正變得日益重要
最新的人工智能驅(qū)動(dòng)的集成開(kāi)發(fā)環(huán)境(IDE)不僅提供代碼建議,還能理解整個(gè)代碼庫(kù)。例如,開(kāi)發(fā)團(tuán)隊(duì)的IDE異步函數(shù)在不同服務(wù)中的調(diào)用方式,標(biāo)記了異步函數(shù)中潛在的競(jìng)爭(zhēng)條件。
2.專(zhuān)業(yè)模型正在涌現(xiàn)
現(xiàn)在有一些人工智能模型專(zhuān)門(mén)針對(duì)某些框架或語(yǔ)言進(jìn)行訓(xùn)練。目前,獲得的針對(duì)TypeScript的特定建議明顯優(yōu)于通用的代碼生成。
3.測(cè)試正在轉(zhuǎn)變
人工智能在生成人類(lèi)可能錯(cuò)過(guò)的邊緣案例和壓力測(cè)試方面做得越來(lái)越好,自從采用人工智能工具以來(lái),測(cè)試覆蓋率有所提高。
結(jié)論
人工智能在短期內(nèi)并不會(huì)取代開(kāi)發(fā)人員。與其相反,人工智能可以提高軟件開(kāi)發(fā)效率,幫助他們更早地發(fā)現(xiàn)漏洞,并處理編程中繁瑣且重復(fù)性的任務(wù)。關(guān)鍵在于理解其局限性,并將其作為高效的工具使用,而不是替代人類(lèi)的判斷。
在這個(gè)數(shù)字時(shí)代中茁壯成長(zhǎng)的開(kāi)發(fā)人員并不是那些能編寫(xiě)大量代碼的人,而是那些擅長(zhǎng)與人工智能工具協(xié)作,同時(shí)對(duì)自己所構(gòu)建的內(nèi)容及其背后的邏輯與目的有著深刻認(rèn)識(shí)的人。
Ugochukwu在撰寫(xiě)本文的過(guò)程中,就巧妙地借助了人工智能的力量來(lái)輔助部分內(nèi)容的創(chuàng)作。這正是關(guān)鍵所在。人工智能是一種工具,開(kāi)發(fā)人員需要理解并且有效地利用它。
原文標(biāo)題:??Beyond ChatGPT: How Generative AI Is Transforming Software Development??,作者:Igboanugo David Ugochukwu
