我刚刚写完一个Kafka消费者，用来迁移数据，过程中大量借助了AI的帮助。这基本上是AI最擅长的场景。这是一段可以丢弃的全新代码，用的是我比较熟悉但已经十年没每天使用的语言（Go），但由于各种复杂的原因，整个数据库都通过一个主题传输，所以我做了相当复杂的并行处理，以提升性能。我认为AI整体上让我提升了大约2倍的效率。当我不记得Go的语法时，它主要节省了我的时间，而不是去查找。然而，我发现了至少4个微妙的错误（还有更多明显的错误），我认为对Kafka或多线程编程不太熟悉的人会把这些错误提交到生产环境。而我花了很长时间才发现它们。在更大的、长期维护的代码库中，我看到的提升大约是10-20%。所有这些都使用了最新的模型。总体而言，这最多是我们从使用内存管理语言中获得的生产力提升。……
源讨论看看Cloudflare的AI编写的OAuth库原帖 165 条评论 · 导入时统计把你的经验，加入这段讨论。
是的，AI生成的错误真的很隐蔽。我也在一些AI写的多线程代码中引入了一些细微的错误，因为我没有充分思考。审查和测试无法替代手写代码所获得的细致审查。目前，你必须非常小心让AI编写什么内容，并确保任何错误的影响都很小，因为可能会有比平时更多的错误。
完整原文> 我看到的改进幅度更接近10-20%。 这似乎也符合我在“重要”工作中的经验；确实有提升，但并没有从根本上改变软件开发的本质。布鲁克的“没有银弹”再次应验了...
完整原文那生成可测试的代码呢？你的意思是，你提到了在生成的代码中检测到细微的错误——我也见过类似的情况——但如果这些错误是通过生成的测试用例发现的，而不是由人工审查发现的呢？当然，测试代码也可能有错误，但我可以想象未来我们所做的只是审查测试输出，而不是仔细检查生成的代码...
完整原文> 我真正的担忧是这会导致中级技术人员的混乱... 是的！尤其是在咨询领域，有一种观点认为资深工程师不值那个价钱，因为年轻的工程师能更快地完成任务。 我曾经是那个嘲笑资深工程师的年轻工程师，也曾经是那个拼命试图让非技术的项目经理理解为什么快速解决方案是不够的资深工程师。 大科技公司可能会更快解决这些问题，但处理我们财务和医疗记录的大部分代码是由廉价的临时工在6个月合同中编写的。 在LLM出现之前，这已经是个问题了。幸运的是，我现在不在咨询公司了。对于现在关注安全的工程师来说，那个世界一定很糟糕。
完整原文尊重不同观点，分享具体经验。
登录后即可发帖、评论、转发和引用。