全部标签
写点什么
OpenHarmony算法元宇宙MySQL移动开发学习方法学习方法Web3.0高效工作数据库Python音视频前端AI大数据团队管理程序员运维深度思考低代码redisgolang微服务架构flutter 查看更多

生成式 AI 重塑软件开发：从代码助手到开发伙伴

作者：JustYan
  • 2025-01-09
    江苏

  • 本文字数：4797 字

    阅读完需：约 16 分钟

生成式AI重塑软件开发：从代码助手到开发伙伴

本文是 《生成式 AI 学习笔记》 的第七篇，也是 《生成式 AI 企业级应用》 系列的第三篇。


在这个系列中，我们已经讨论了 智能推荐 和 知识管理，今天我们将探讨生成式 AI 在软件编程领域的应用。感兴趣的朋友可以点击文末合集标签查看更多内容。

一次匆忙但难忘的编程经历

大约在 2023 年年初，我接到一个紧急的投标任务。投标方案已基本完成，但我需要在现场展示一个 Demo。为了快速实现，我选择使用 Python，但当时我对 Python 的了解仅限于基础语法。放在以前，这几乎是一个不可能完成的任务。


第一版 ChatGPT 在 2022 年 11 月推出，我曾简单玩过，已经对其威力感到佩服。但用它来写真正要用的代码，靠谱吗？然而，正是借助 ChatGPT 的帮助，我在去客户现场的高铁上完成了这个看似不可能的任务，顺利完成了 Demo，并在技术交流现场获得了客户的好评。


今天，AI 编程助手已不仅仅是代码补全工具，它正变成开发者的得力伙伴，重新定义着软件开发的未来。

技术演进：从简单补全到 AI 助手

1. 早期的开发工具：从基础补全到智能提示

早期的 IDE 提供了简单的基于规则的代码补全功能，帮助开发者提高编码效率。随着时间的推移，IDE 逐渐引入了上下文理解，能够根据项目上下文提供更智能的 API 提示和代码模板。

2. 大语言模型的引入：AI 助手的质变

随着深度学习技术的突破，尤其是大语言模型在代码理解和生成方面的应用，编程助手经历了质的飞跃。现代 AI 编程助手不仅能理解代码的语法，还能理解代码的语义和开发者的意图。通过学习海量的代码库，AI 助手掌握了常见编程模式和最佳实践，能够提供更加智能的代码建议。

深入理解 AI 编程助手的技术原理

1. 训练阶段：理解代码的语法与语义

AI 编程助手的核心是大规模语言模型，其训练过程包括：


  • 掩码语言建模（Masked Language Modeling）：模型通过预测被遮挡的代码片段来学习语法和上下文。

  • 下一个标记预测（Next Token Prediction）：根据当前代码预测下一个最可能的代码标记，适用于代码补全和生成任务。

  • 代码语义理解：通过多任务学习，AI 不仅理解语法结构，还能推断代码的功能和意图，包括代码注释生成、变量类型推断等。

2. 推理阶段：代码生成与上下文理解

在推理阶段，AI 利用已学习的知识来生成代码并理解上下文，具体包括：


  • 上下文分析：分析代码文件结构、项目依赖关系等，理解编程语言和框架特性。

  • 代码生成与格式化：根据上下文生成多个候选方案，并使用算法筛选最合适的代码输出。

AI 编程助手的应用场景

1. IDE 集成型助手：提升开发效率

GitHub Copilot 是全球范围内最受欢迎的 IDE 集成型助手。例如，在编写 React 组件时，GitHub Copilot 不仅能补全代码结构，还能自动添加适合的样式类名。


// 创建一个显示用户资料的卡片组件const UserProfileCard = ({ user }) => {  return (    <div className="card p-4 shadow-lg rounded-lg">      <img src={user.avatar} alt={`${user.name}'s avatar`} className="w-16 h-16 rounded-full mx-auto" />      <h2 className="text-xl font-bold mt-2">{user.name}</h2>      <p className="text-gray-600 mt-1">{user.bio}</p>      <button className="btn btn-primary mt-3">Follow</button>    </div>  );};
复制代码


AI 编程助手通过理解项目上下文、代码结构和开发最佳实践，能够提供比传统代码补全工具更高效的支持。


GitHub Copilot 和 Cursor 最流行的两款产品，国内豆包的 MarsCode AI 表现也很不错。


  1. 中文友好：MarsCode AI 对中文的理解和响应更为准确，特别适合国内开发者。例如，它能很好地理解中文注释并生成相应代码：


// 创建一个支持分页的数据表格组件// 包含：排序、筛选、行选择功能// 使用Element Plus组件库const DataTable = defineComponent({  props: {    data: {      type: Array,      required: true    },    columns: {      type: Array,      required: true    },    pagination: {      type: Object,      default: () => ({        currentPage: 1,        pageSize: 10      })    }  },  setup(props, { emit }) {    // MarsCode AI会自动补全组件的完整实现  }});
复制代码


  1. 快速重构建议：MarsCode AI 能识别代码中可能的优化点，并提供符合最佳实践的重构建议：


// 原代码public class UserService {    private UserRepository userRepository;        public User getUser(String id) {        return userRepository.findById(id);    }        public void updateUser(User user) {        userRepository.save(user);    }}
// MarsCode AI的重构建议@Service@RequiredArgsConstructorpublic class UserService {    private final UserRepository userRepository;        public User getUser(String id) {        return userRepository.findById(id)            .orElseThrow(() -> new ResourceNotFoundException("User not found"));    }        @Transactional    public void updateUser(User user) {        if (user.getId() == null) {            throw new IllegalArgumentException("User ID cannot be null");        }        userRepository.save(user);    }}
复制代码

2. 对话式编程助手：解决复杂问题

ChatGPT 等 AI 对话产品不仅能帮助我们处理简单的编码任务，还能应对更复杂的开发问题，如算法优化或代码重构。通过与 AI 的技术对话，开发者可以获得优化建议，并且能够快速获得针对性的技术原理介绍及其最佳实践。


例如，在 Java 开发中，AI 能够帮助开发者优化传统的 for 循环，转而使用更简洁的流式 API（Streams API）。


// 优化前的Java方法public List<Transaction> filterTransactions(List<Transaction> transactions) {    List<Transaction> result = new ArrayList<>();    for (Transaction t : transactions) {        if (t.getAmount() > 1000 && t.getStatus().equals("COMPLETED")) {            result.add(t);        }    }    return result;}
复制代码


通过与 AI 对话，AI 建议我们使用流式 API 来优化代码，从而提高性能并减少冗余操作：


// 优化后的代码public List<Transaction> filterTransactions(List<Transaction> transactions) {    return transactions.stream()        .filter(t -> t.getAmount() > 1000)        .filter(t -> "COMPLETED".equals(t.getStatus()))        .collect(Collectors.toList());}
复制代码


目前实测下来，ChatGPT 的编程辅助效果是最好的，Claude 表现也还可以。其他家的产品就差点意思了。

AI 编程助手的核心能力

1. 实时编程辅助

AI 编程助手在前端开发中，尤其是在生成复杂数据结构定义时表现得尤为突出。例如，它可以快速为你生成 TypeScript 类型。


interface UserState {    name: string;    age: number;    preferences: {        theme: 'light' | 'dark';        notifications: boolean;    };    friends: Array<{        id: string;        name: string;    }>;}
复制代码


在 Java 开发中，它能生成完整的 Spring 框架配置：


@Configuration@EnableCachingpublic class CacheConfiguration {    @Bean    public CacheManager cacheManager() {        SimpleCacheManager cacheManager = new SimpleCacheManager();        ArrayList<CacheConfiguration> caches = new ArrayList<>();        caches.add(new ConcurrentMapCache("userCache"));        caches.add(new ConcurrentMapCache("productCache"));        cacheManager.setCaches(caches);        return cacheManager;    }}
复制代码

2. 自动生成测试用例

AI 助手能够根据开发的代码自动生成相应的测试用例，显著提高测试覆盖率。对于 React 组件，它能够自动生成 Jest 测试用例，并帮助开发者确保代码的稳定性。


import { render, fireEvent } from '@testing-library/react';import UserProfileCard from './UserProfileCard';
describe('UserProfileCard', () => {    const mockUser = {        name: 'John Doe',        avatar: '/avatar.jpg',        bio: 'Software Developer'    };
    it('renders user information correctly', () => {        const { getByText, getByAlt } = render(            <UserProfileCard user={mockUser} />        );                expect(getByText(mockUser.name)).toBeInTheDocument();        expect(getByText(mockUser.bio)).toBeInTheDocument();        expect(getByAlt(`${mockUser.name}'s avatar`)).toBeInTheDocument();    });
    it('handles follow button click', () => {        const { getByText } = render(            <UserProfileCard user={mockUser} />        );                fireEvent.click(getByText('Follow'));        // Add assertions for button click behavior    });});
复制代码


AI 编程助手的最佳实践

1. 提供明确的需求描述

在与 AI 互动时，尽可能提供清晰的需求描述和上下文信息。例如，描述清楚所使用的编程语言、框架、目标功能，明确输入数据的结构和格式，描述预期的处理逻辑和边界条件，说明性能要求和错误处理策略。这样有助于 AI 准确地理解任务并生成符合预期的代码。

2. 控制输出的粒度

对于复杂问题，AI 可能会给出多个解答。在这种情况下，可以通过细化提问或要求 AI 提供不同的解决方案来控制输出的粒度。这不仅能帮助你找到最优解，也有助于学习不同的编程方法。

3. 迭代式开发

不要期望 AI 一次生成完美代码，通过多次反馈和优化逐步完善。先让 AI 生成基础框架，检查并提出修改建议，让 AI 进行针对性优化，然后重复这个过程直到满意。

4. 使用 AI 进行代码审查

AI 可以作为代码审查的一部分，帮助你检查代码中潜在的错误或不规范的地方。尽管 AI 不能完全替代人工审查，但它能够在早期发现很多常见的错误，从而节省开发时间。

AI 编程助手带来的价值与影响

1. 开发效率提升

在实际项目中，AI 编程助手带来的效率提升是显著的：


  • 减少样板代码编写时间：通过自动生成常见模式的代码，可以节省 30-50%的基础代码编写时间

  • 加速问题解决：快速获取解决方案建议，减少查询文档和 Stack Overflow 的时间

  • 提高代码质量：自动提供最佳实践建议，减少常见错误

2. 学习与成长

AI 编程助手不仅提高效率，还能帮助开发者学习新技术：


  • 通过示例学习：观察 AI 生成的代码中的模式和实践

  • 获取解释：理解代码背后的原理和设计考虑

  • 探索新技术：快速了解和尝试新框架和库

3. 开发模式转变

从手写代码到指导生成，开发者更多地承担代码架构师和质量把控的角色：


  • 设计系统架构和接口

  • 编写清晰的需求描述

  • 验证和优化生成的代码

  • 确保代码符合业务逻辑

结语

AI 编程助手正在改变软件开发的方式，但它的角色始终是辅助开发者，而非替代品。通过有效利用这些工具，开发者可以将更多的精力放在架构设计、需求分析和创意开发上。随着 AI 技术的快速发展，掌握 AI 编程助手的使用技巧将成为开发者必备的核心技能之一。

《生成式 AI 学习笔记》系列文章

我将学习心得整理成《生成式 AI 学习笔记》系列文章发布，欢迎大家关注、点赞，与我一同成长。

也欢迎大家关注我的公众号 酱香饼不是葱油饼 ，获取更多技术交流与前沿资讯，期待与您在技术的世界里继续同行！

生成式 AI 运作原理系列

1. 生成式 AI 的基本操作：预测下一个 token（Next-token Prediction）

2. 真的不是靠猜吗？

3. 可以靠猜变得更聪明吗？

生成式 AI 企业级应用系列

4. 智能推荐

5. 知识管理

6. 编程助手

  • 【本文】生成式 AI 重塑软件开发：从代码助手到开发伙伴

更多：市场分析，预测性维护

  • 敬请期待

划线
评论
复制
发布于: 刚刚阅读数: 4

版权声明: 本文为 InfoQ 作者【JustYan】的原创文章。

原文链接:【http://xie.infoq.cn/article/dd771516db35d25e15faa64f2】。

本文遵守【CC BY-NC】协议，转载请保留原文出处及本版权声明。

人工智能大模型生成式AIAI助手
用户头像

JustYan

关注

还未添加个人签名 2014-11-08 加入

程序员，架构师，产品经理，公众号：酱香饼不是葱油饼

评论

发布
暂无评论
Copyright © 2025, Geekbang Technology Ltd. All rights reserved. 极客邦控股（北京）有限公司 | 京 ICP 备 16027448 号 - 5京公网安备京公网安备 11010502039052号 | 产品资质
生成式AI重塑软件开发：从代码助手到开发伙伴_人工智能_JustYan_InfoQ写作社区