成為超級個體：AI時代研發人員的程式設計技巧與最佳實踐

本文主要 AI 結合我在某網際網路企業 1024《成為超級個體：AI 時代研發人員的程式設計技巧與最佳實踐》的分享材料，再結合我補充一些關鍵資訊的缺失。

在生成式 AI 驅動下的程式設計輔助工具日益普及。AI 助力程式設計能夠顯著加速開發過程，並透過程式碼生成、提示詞最佳化等方式為開發人員提供支援。然而，這類工具的實際效能受限於生成內容的準確性、上下文完整性，以及開發人員校驗生成內容的成本。特別是，開發者在應用這些工具時，如何有效地根據不同場景選擇輔助模式、搭建合適的程式設計工作流，以及如何降低生成內容的校驗成本，成為決定性因素。

引言：生成式 AI 的能力與侷限性

生成式 AI 工具要求開發人員具備一定的學習成本，並且在初期使用時通常難以達到穩定的生產效率。

首先，生成式AI的輸出質量很大程度上依賴於提供的上下文和輸入的清晰度，若缺乏準確的問題描述或詳細的上下文資訊，AI生成的程式碼往往無法滿足需求。此外，生成的程式碼可能包含“幻覺”現象，即AI生成的內容表面上看似合理，但實際上可能與所需邏輯不符，這增加了程式碼審查和修正的工作量。AI 在開發流程中仍需依賴人類的主動判斷，尤其是在設計、架構和需求分析等複雜任務中，AI 只能作為輔助工具，協助完成細化任務或提供啟發。

一、AI 輔助程式設計工具的實用技巧：不同模式的詳細分析

在使用 AI 輔助程式設計工具時，熟悉和靈活應用不同模式，能夠顯著提升工具效用。常見的 AI 輔助程式設計模式主要包括：聊天模式、即時輔助、伴隨輔助：

這些模式分別適用於不同型別的開發任務。

聊天模式：此模式主要透過文字對話幫助開發人員回答程式設計疑問、生成程式碼段、給出架構建議等。例如，GitHub Copilot Chat 和 Genie 就是這種模式的典型代表。透過與 AI 進行對話，開發人員可以逐步詢問需求、獲得示例程式碼或架構設計的思路。此模式適合探索性較強的問題，如研究新框架、設計複雜業務邏輯等。

即時輔助模式：即時輔助模式在開發過程中提供即時提示，如程式碼自動完成、錯誤檢查、效能最佳化建議等。即時輔助主要針對開發過程中頻繁出現的基礎任務，適合解決即刻發現的小問題，提高開發效率。JetBrains AI Assistant 和部分 Code Interpreter 工具具備這樣的特性，有助於開發者在編碼過程中保持順暢的思維流。

伴隨輔助模式：伴隨模式貫穿整個開發週期，與開發人員的日常工作緊密相連。此模式的功能包括生成程式碼規範、最佳化提交資訊、生成文件等。例如，AutoDev 可以伴隨開發者進行錯誤分析、提交生成、文件編寫等一系列活動，幫助開發者降低重複勞動成本。這種模式適合需要持續支援的長週期任務，如專案文件編寫、程式碼規範化操作等。

考慮到不同工具的提示詞上下文構建機制，我們還需要對工具的一些基本原理有所瞭解，以便於我們更好的使用工具：諸如於類 Copilot 工具的一些技巧。

二、如何降低 AI 生成內容的校驗成本？

生成式 AI 工具的另一個挑戰在於校驗生成內容的準確性。為此，以下三種模式有助於有效降低校驗成本：

自動化測試：自動化測試是一種經典的校驗方式，它關注輸入輸出的有效性，利用黑盒測試的方法驗證生成程式碼的功能是否符合預期。例如，在生成 API 程式碼後，可以透過自動化介面測試工具如 RestAssured 或 Postman，對 API 的請求響應進行全面校驗。這種測試方法適用於驗證標準的輸入輸出場景，尤其是無需介入程式碼內部邏輯時。
Code Interpreter：Code Interpreter 透過直接執行程式碼並提供即時反饋，幫助開發人員快速識別和修正問題。Code Interpreter 是較新型的校驗模式，尤其在複雜計算或資料分析類任務中表現突出。以 v0.dev 為例，Code Interpreter 能夠即時分析程式碼執行結果，快速反饋程式碼正確性。該模式適合需要即時反饋的程式設計任務，並減少程式碼生成過程中的錯誤傳播。
程式碼執行時檢查：透過 IDE 的即時反饋機制對程式碼進行執行時檢查，可以在開發階段儘早發現和糾正錯誤。利用如 Shire 程式設計外掛或 Swagger API 校驗工具，開發人員可以直接在 IDE 中進行提示詞的校驗。Shire 支援將生成內容的上下文即時執行，與 IDE 的整合可減少工具切換的成本，幫助開發者在較早階段進行程式碼驗證，顯著降低了校驗成本。

Shire 如何降低校驗成本

Shire 的設計理念專注於提供高效校驗的工作流，透過將生成程式碼的即時反饋與 mock 服務整合，減少開發者在生成內容驗證上的工作量。Shire 可直接在開發環境中執行生成內容，結合遠端智慧體和本地工具鏈，簡化生成內容的自動化校驗流程，最大限度地減少驗證成本。Shire 還支援多種 API 開發和測試工具，能在生成內容後快速測試和迭代，保證程式碼符合開發標準。

三、重新構想開發流程：如何減少環節以提升生產力？

生成式 AI 在程式設計輔助中的廣泛應用，要求開發者重新審視和構建適應 AI 的開發流程。透過減少不必要的環節、最佳化工具整合和加強知識資產的管理，開發者可以進一步提升開發流程的生產力。

資產驅動的開發流程：AI 生成的內容通常包含豐富的知識資產。開發者可以透過建立知識庫，將 AI 生成的程式碼規範、測試策略等產出，轉化為可複用的知識資產，減少重複工作。開發者還可透過 AutoDev 等工具，將程式碼規範、提交資訊等轉化為自動生成的過程產物，幫助流程的簡化。
減少環節，聚焦核心產出：在現有 AI 輔助工具的支援下，開發者可以在減少傳統開發環節的基礎上，直接生成特定功能程式碼。透過減少如繁瑣的程式碼註釋、文件撰寫等手動環節，開發者可以將這些過程轉化為標準化的 AI 指令產出。簡化流程可大幅降低工作量，同時確保生成程式碼的一致性與質量。
知識轉換和流程最佳化：在傳統流程中，開發者需要經過需求分析、編碼、測試等多個環節才能形成最終的產品。而 AI 助力的編碼工作流允許開發者將隱性知識以顯性化產出，透過將需求文件轉化為 AI 提示詞，快速生成程式碼和測試內容。透過這一知識轉換過程，開發者可以在生成式 AI 的幫助下簡化流程，減少不必要的返工和多輪除錯。

透過重新構建開發流程、合理化環節分佈，開發者不僅能更有效地適應 AI 程式設計，還可以在簡化流程中實現生產力的最大化，從而為創新提供更多空間。