#74 AI预测结果揭晓（3）｜新开发模式出现了吗？
29:22 Share

AI 预测结果揭晓 2024 年中复版专辑节目各位听众大家好欢迎收听由科技版版拍和 AIGC 开放社区联合出品的播客节目

我们其实在 2023 年的年底的第 24 期节目中当时我和人工智能也就是说当时比较领先的 GPT-4 我们一起做了一期节目节目中采用这种寻寻善用的方式一步步的对比了现在的 AI 的发展与当时上世纪 90 年代的互联网的发展历史

然后由我来问问题由 GPT-4 来回答那算是通过这种引导 AI 的方式完成了一次对于 2024 年的人工智能发展的一次预测

在那次预测中一共分为了 10 个方面从技术应用市场合规投资各个领域基本都覆盖到了如果大家感兴趣是如何预测的话可以返回去听一下那期人机对话的节目链接我会放在 show notes 里面在此新年交替之际我打算利用一个系列的节目来分别回顾一下当时的这些预测

节目时长或长或短有话就多说没什么进展就少说

即使对之前预测的一种回顾也算是对去年整个人工智能行业发展的一次总结这次节目中我们会对当时我们做的每个预测会打一个分数大概分为五个档次如果是完全满足打 10 分如果是大部分满足得 8 分如果是基本满足的话得 5 分如果少量满足得 3 分如果确实没有出现预测这种情况的现象的话我们就给 0 分

最后我们再做一个总体的打分总结 再看看原来这次人工智能对自己也就是推神功智能预测自己的发展方向这项能力到底是怎么样的上两期节目我们谈完了第一个预测和第二个预测那么今天我们将接下来聊聊 AI 当时所做的第三个预测

就是 AI 与某个开发语言或开发技术充分的融合替代了原有的开发模式

当时做这个预测的依据是说比如在互联网早期就是 90 年代的时候我们会发现有很多新的开发语言出现比如类似 PHP JavaScript Java Ajax HTML 等等的这种各项的这种新的能够推动和融合这种 web 快速发展的一些新的开发语言和技术

所以当时以此类推觉得可能在 2024 年 AI 技术可能会更容易出现在开发端比如说我们在传统的开发技术和 AI 技术能够快速的融合甚至我们一些开发语言也能够和 AI 融合所以甚至有可能会带来一种新的比如开发语言或者新的开发方式

所以让传统的方式可能会被替代其实这项预测背后大概有三层的含义就是说最新的我们就是说能够出现一种新的开发语言没有开发语言可能我们会有新的开发模式

如果甚至没有开发模式我们可能会有新的开发工具所以我们可以看到其实对于一项新的大规模的新技术产生之后我们希望从这个几个角度来去看它在作为开发领域的一些整个的一些改变我们先看最深层的就是说是否会出现一种新的开发语言

第一 AI 是不是会让这种新的开发语言出现当然这里的开发是要打引号的因为这种开发语言我们可能说就是自然语言它不是传统的这种编程语言或者我们说是介于自然语言或者编程语言之间的某种表达形态来去替代原来的这种传统的开发语言其实就像我们刚开始谈到的像互联网这种 HTML

HTML 其实就是互联网而生的在之前大家不会会有一个类似这种专门描述 web 网页的这种的预言我们也就是说会不会有某种语言就是为人工智能而生的到今天来看我们很遗憾的看我们目前还没有看到这种情况

更多大家看到的是利用自然语言和传统的编程语言相结合的道路也就是说我们在后面谈到新的开发模式开发工具的时候大家可能会看到类似的情况的出现但其中也看到了一些端倪比如说 Zopik 在 10 月份就开源了一个比较革命性的一个新协议叫做 MCPMCP 指的是 Model Context Protocol 就是模型上下文的一个协议

他希望来解决大语言模型应用连接数据难的这种的一个难点目标是说不用为每个数据源都定制这种集中代码了我们使用 MCP 协议就可以搞定了其实这就代表着这些大模型的厂商已经不再拘泥于传统的一些开发框架或底层协议希望重新能够建立起一套更加适合大模型的一套新的这样的协议出来

只不过我们今天还没有走到能够为 AI 专门创造一种开发语言的层面所以从第一个层面来说目前来说还没有达到就是新的开发语言那从第二个维度就是是不是产生了新的开发模式

我想这个是在逐步发生的因为 AI 会改变传统的一些研发模式就像互联网当初也带来了像敏捷的理念云原生的后来发展包括像 DevOps 等等的这样新的一种开发的方式让人们从一些传统的这种开发模式上进行了转变

首先需要说明的是大模型自身的这种研发过程确实是全新的因为你为了去研发大模型它肯定和传统的应用开发是不一样的比如说大模型要从训练数据的这种收集和处理到这种模型的预训链到 RHF 到条 U 再到我们讲的这种 LM Ops 就是所谓大模型的监控和运营

但是如果我们再看就是使用大冒星如何去研发英文软件的过程上我们说其实目前来看没有看到大规模的行业的改变因为大家都还在做尝试当然现在互联网有很多文章也在谈比如说大冒星重塑软件开发流程了大冒星带来新的 SoFi 2.0 等等的这样的一个标题

但你深入进去你会发现说大模型依然很难撼动原有的软件的开发过程那目前的 AI 应用的仍然停留在一些局部比如像单元测试代码补全啊代码纠错啊代码注释啊各种细小和零碎的环节并没有对传统的软件工程的大的方法理论造成太大的一个影响啊

虽然我们讲现实很骨感但是我们从理论研究的方向我们也可以看到大模型在应用到软件工程的各个环节中还是起到了非常大的作用我们这里面引用一下在 24 年的 4 月份华中科技大学写了一篇关于大模型对于软件工程影响的一篇论文里面的分析结果

里边就讨论了说大模型对于软件工程的各个阶段的影响因为论文中谈到了第四个问题比如说大模型迄今为止解决软件工程中的哪些活动和问题在论文中首先我们看到就刚才我们说的它并没有突过

突破原有的软件工程的这个范式啊仍然是遵循了软件开发生命周期也就是我们讲的这个 SDLC 啊就是软件开发生命周期的传统的六个阶段也就是说需求工程软件设计软件开发软件质量保证和软件的维护和软件管理这是我们讲的软件开发的生命周期的六个阶段啊

我们逐一来看一下就是说大模型在各个阶段里面的作用或者能够应用的场景能解决哪些问题比如第一个我们先看在需求工程的领域这里面大模型就可以帮助比如说做需求分类还有需求术语的一些识别因为我们知道在需求里面可能有一些专业术语需求中的一些奇异的分析和处理

需求中的一些跨领域的术语的差异和不一致性的一些检测因为不同的需求文档中它可能会有一些词汇的二一性的问题需求的一些启发就是我们能不能引导一些新的需求和软件的可追溯性

那就是通过我们讲的说能够建立和维护软件工程比如我们需求和设计和代码和用力之间的一个关系来去完成这种软件的可追溯性这个大模型是可以有能力帮助的但主要是用于这种产品的查询和开发的支持方面所以这是在需求工程领域但第二个在软件设计领域那就包含了我们叫图形用户界面的一些检索就 GUI 的检索

还有我们经常现在使用的快速的原型设计使这种开发人员能够快速的可视化的和迭代的这种进行一个软件的一个设计并且在这个快速的设计过程中能够来检查是不是和用户需求保持一致还有就是可以利用大模型做软件的配置的跟踪和管理对于一些比较大的系统其实软件的配置管理和规范是非常复杂的所以我们可以看到大模型在软件设计领域有很多事情可以做好

那第三个领域呢就是我们讲的软件的开发领域呢这个可能大家就比较熟悉了啊现在我们今天做的很多的工具什么的啊都是来做这个领域的就是我们比如代码生成代码补全代码总结代码搜索代码的理解代码的推荐代码的注释生成包括一些啊

在代码中的一些方法的名称的生成包括像比如类似 API 领域也有 API 的一些推荐比如我们在写程序的时候不知道使用哪个 API 我们可以通过大模型来去帮助我们来推荐包括 API 的合成然后就是说我们能够动态的能够自动生成一些应用编程的接口包括 API 的文档的检索 API 实体的关系的提取

以便呢我们在这种开发管理的领域还有一些这个特别的一些大方形的帮助包括敏捷故事点的这种估计因为我们说敏捷故事点是可以用来计算这个开发的工作量的啊

那这个故事点呢通常是这种团队来形成共识安排计划包括工作量评估等等的这样一个因素那通常的原来主观做这种故事点的估算可能会不准确那大模型呢可以来在这个方面的有所帮助另外呢还可以采用 AI 来辅助做这种代码控制流程图的生成所以这是第三个领域在代码这个开发的这个领域这是大家比较熟悉的

第四个领域就是在软件质量维护这个里面我们讲的就是漏洞的检测单元测试的编写故障的定位技术验证测试自动化等等的领域

在第五个软件维护领域里面就包括程序的修复代码的克隆的检测代码审查调试错误的在线日日分析和程序的合并冲突修复等等的这些 AI 的能力在第六个软件管理领域那它 AI 里面能发挥的价值包括工作量估算可追溯性的恢复软件报告的生成和检测

我们可以看到今天其中占据大比例的主要还是在我们刚才讲到的第三个领域就是软件开发领域几乎占到了所有我们目前现在研究成果的一半以上而且主要的方向也是说我们的 AIGC 就是代码生成的领域所以是最主要的一个发力的方向

所以上面就是我们讲到的 AI 影响开发的第二个层面就是对新的开发模式是不是影响的程度第三个层面我们就想说具体的新的开发工具到底 AI 给传统开发工具带来哪些变化是不是也产生了一些新的开发工具

其实这也是 2024 年 AI 在开发过程或者开发领域里面最大的突破我们在第 69 期的节目中谈到了是否还需要学习编程的这期节目里面也谈到了这种新兴的 AI 赋能的一些集成工具的 IDE 我们这里面再稍微简单总结一下大致的分为两类

一类我们叫做 Copilot 的副驾驶模式就比较代表的就是微软的 G-Hub 的 BS Code Copilot 另一个在 2024 年最出圈的就是 Cursor.aiCursor 体现了一种新的开发的模式

它的这种逻辑就是通过这种对所有代码进行索引和这种向量化然后你的这个提问是可以基于整个工程来去回答的然后通过这种 type 键就来完成代码的生成而且它背后其实主要是集成了这种更高能力的大模型比如说 Cloud3 或者 GPT-01

最近又有一个和科瑟的类似的竞品是 Codem 推出的 Minsurf 它整页价格上比科瑟要便宜一半就是每月 10$Minsurf 它推出的叫 Flow 等于 agent 加 copilot 这种模式所以在这过程中相当于在 copilot 模式上结合了我们说最新的这种智能体的这种模式

它首先结合了很多 Cursor 的一些所谓的优点另外 WinServe 它的一个显著特点就是它对上下文的感知能力比较强能够自动识别用户的需求并进行相应的调整这个功能相对 Cursor 来说好像看起来更先进但是它的背后的代价也是它所需要的计算资源和 Token 会比较多一些所以这个是新的一个类似 Cursor 的一个工具也产生了

刚才我们说的这种都是比较通用的开发工具但也有一些是比较垂直领域的比如像 V0V0 的工具专门就是为打造这种 UI 原型而诞生的它继承了很多前端的所谓的 UI 框架能够快速的能够形成这个

圆形的这样的一个界面然后如果呢你对圆形满意之后呢其实它也可以将代码转移到这种类似 Cursor 进行进一步的整合和优化类似 V0 呢还有 Bot.new 那这个也是能够适合这种用户端或者圆形的一个设计集成这种比如 VUE 啊 Rack 的这种框架

它又将 V0 的概念进行了提升 它提供了一个比较完整的全站的开发环境比如说它可以直接在浏览器中运行 不再局限于单个的文件和预览而且 Bow.new 中的 AI 可以控制整个开发环境 包括文件系统的终端 它可以自动的修复一些错误

其实在开发领域国内的产品也很多比如说像字节豆包的这种 Masko 的阿里的通一灵马等等的这是我们讲第一类类似 Copilot 的模式另外一类就是 agent 智能体的模式刚才我们讲了 Cursor 和 Windsurf 里面多少体现了一些智能体的能力但是主打 agent 编程的工具就属于在 2024 年比较火的 Devon 了

那 Dyvan 在 2024 年 3 月份的时候在发布的时候他就被宣传说是全球首位的 AI 工程师他发布的视频里边当时是 1 分 50 秒他用了一句指令就开发了整个的项目显示了他这种自主学习的能力端到端的这种构建和部署应用的能力

我们可以看到 Divon 当时 AI 的主要应用就是创建网站当时确实也有人错过 Divon 可以在 10 分钟内就可以创建一个网站所以当时由于 Divon 的出现也大家对于 agent 这种变成抱有了很大的期望但是到了 4 月份的时候其实也出现过 Divon 的负面新闻有网络的博主质疑他造假

他说的整个的这个戴文的视频中有一些存疑的能力所以呢后面他又受到了很多的诟病但是我们可以看到随着 AI 这种大模型在推理和编程能力的增强那么可能很多过去在戴文过程中出现的问题那随着大模型的爆发那一些问题就可以迎刃而解了

所以我们讲到说大家都在预测说 2025 年可能是 A 站的智能体一个大爆发的一个时间点那对于人工智能在开发领域那这种 A 站的智能体模式呢也可能是最先出现的一个突破的一个情况

所以这是我们讲的第二类叫做支撑体模式事实上我们为了开发大模型的应用不管是 agent 也好或者基于大模型的这种应用也好市场上也出现了很多的一些定制开发的平台比如说 DeFiDeFi 就是一款利用开源大模型这种的一个应用的平台它融合了这种后端机服务就 backend service 和这种

LM Ops 的这种概念使得开发者能够快速的搭建一个生产级的这种生存式的 AI 应用

即使你可能是不是专业的技术人员也能参与到 AI 应用的这种定义或运营的过程中所以 Define 内置了很多的这种大模型所需要的关键的一个技术站包括对这个 Pront 的编排啊高质量的 RAG 引擎啊以及这种 agent 的框架以及流程的这种编排还有一些 API 的提供其实比较早的类似这种开发环境呢像这种 Longchain 啊

这种现在 LongChain 的整个开发工具链也越来越完善比如说包括支持工作流的像 LongFlow 创建循环图的 LongGraph 以及用于监控和调试的 LongSmith 还有这个能够部署 REST API 的 LongServe

整个的看到 Longchain 的体系也是越来越朝着工程化的方式去来演进所以这一类工具基本是为了是来搭建 AI 应用是使用的还有我们传统的一些所谓的叫做低代码平台或低代码工具我们在那期节目中也大家谈到过它的这类工具是在某一个细分领域能够快速的让开发者去构建出应用比如说 Codes

那 Code 就是对于 AI 聊天机器人的一种构建平台它能够非常快速的创建调试和优化一个 AI 聊天机器人的这样的一个程序能够快速的发布到各种平台上而且 Code 还提供了比较丰富的插件能够扩展机器人的能力能够让机器人和这种数据实现互动

比如还有 Zoom 这种低代码的这种平台这种低代码的开发平台可以通过这种 ID 能够快速的去构建类似比如微信小程序商城写作类应用以及个人网站的开发所以这样的话我们就把从工具的角度我们看到对于开发的影响我们也总结了一下大概就是说对于

单纯的编码领域来说我们有 Copilot 的模式有 Agent 的模式在垂直领域我们谈到了 V0 和 Bot.new 对于我们讲到的对于 AI 应用的开发的平台包括 DeFi,Longchain 在 D 代码的领域有 Code,Zoom 等等的这样的一些工具

所以最后我们总结一下就是说当这些 IT 编程员天天想着怎么用数字化手段去改变业务或者改变业务人员操作习惯的时候我们确实就发现这个巧然这个 AI 大模型已经超了自己的后路超了自己的家只不过是今天真正的 AI 的原生的开发语言还没有出现但至少程序员可以保留起自身的一些原有的经验我们在第 69 期的节目有谈到过这一点

但在这个过程中我们可以看到从开发工具到一些在细节领域的开发模式上已经发生了翻天覆地的变化我相信如果今天我们放开企业的一些安全边界或者在这种政策许可的情况下其实所有的程序员都可以开始用 AI 来改变自己原有的编程习惯了而且因为它确实见效而且确实便捷而且确实省力

因为大家从这个付费意愿上就能看出来大家用脚投票对吧这个不管是 20 美金一个月 20 美金一个月大家都去愿意花这个钱就说明大家对于这个领域是非常的愿意去使用的那如果说我们总结说那所有领域里面我们说

大模型的真正的第一个 keylessapp 的这个是什么呢我想一定会出现在编程工具这个 IDE 领域这个观点可能之前也多次表达过但是呢我觉得程序员们也不用太怕啊最近的网上也有一篇阿里的文章比较出名啊他叫做智能化研发一年复盘我们离真正的 AI 开发还有多远啊

其中一开始就主要谈到了阿里自己内部构建的一个开发工具叫做 On-Copilot 那些进展但他们很快也发现了 AI 的一个局限性比如说类似于非常垂直的这种需求难以实现自动化最有价值的就是快速构建原型或者 Demo 系统

背后的原因就是还是我们在那期节目里谈到就是说业务的上下文是很难说清楚的而且技术的词汇描述和业务之间的描述一般是不匹配的而且人和团队过去的一些经验和智慧也很难被 AI 所学到

而大模型的发展又在很多场景下又过快的拔高了用户的期望导致在真实场景下无法这种自动化的直接的落地所以又反向带来了可能对 AI 工具的一些信任性的影响

所以通过这篇文章他们最终的结论是无论像 Copilot 这样的辅助工具还是类似于我们前面谈到 Agent 这种智能的代理那人工智能和人类的合作呢依然是一个应该是成为近期比较理想的一种模式就你很难想单纯的依赖于人工智能去来直接完成工作啊

所以当我们今天的模型还在快速发展的时候我们应该需要让人工智能的工具和开发者能够形成一个很好良性的协作关系当模型完成了某些任务之后还需要由我们的程序员或者开发者进行一个审查和确认所以最后在文章的结尾他们认为基于 AI 的新的开发模式和开发工具的发展

也会推向我们传统说我们要把文档做得更加的标准化我们更规范的研发习惯那这样的话呢我们就讲说传统的我们讲到的这种软件工程的这种精细化的管理或者标准化的管理以及卓越工程的发展那它又焕发了青春就是所以它还是有它的优势在的那反过来讲就是我们还是要做好我们过去的事情那 AI 时代呢才能发挥更好的作用

所以我们今天可以看到一切都说明说 AI 并没有直接在颠覆过去的什么它只是在强化过去包括我们说的过去的代码过去的文档过去的经验等等

所以我们再回到这条预测就是 AI 和某开发语言相融合并代替了员外的开发模式应该我们说是对了一半它确实在融合但是也没有替代这一点我觉得和 90 年代我们最早推论的互联网的发展还是有所不同的所以这条我们只能算是基本满足吧

那好本期节目我们就到这里这个以上内容呢是我们对第三个预测的总结那如果您喜欢节目内容也希望您能订阅点赞转发好我们下期节目再见

躲在山里开火守着那蓝依托不再借世人的手替我开脱

遍野的花骨头也都耐住寂寞怎么那么像我再倒一次请求的河能够牵手站下彼此自己种下的果他们说他们说那是你选择的躲在山里看守着那浪

不再见世人的手 替我开拓遍野的花孤独 因孤奈处寂寞怎么那么像我躲在上海看烟火 守着那蓝衣托不再见世人的手 替我开拓遍野的花孤独 孤奈处寂寞

那我相诺